Weisfeiler 与 Leman 走向含环：图表示学习的新层级

Raffaele Paolino; Sohir Maskey; Pascal Welke; Gitta Kutyniok

Weisfeiler 与 Leman 走向含环：图表示学习的新层级

机器学习 2024-11-08 v2

作者: Raffaele Paolino , Sohir Maskey , Pascal Welke , Gitta Kutyniok

摘要

我们引入了 $r$ -loopy Weisfeiler-Leman ( $r$ - $\ell{}$ WL)，一种新颖的图同构测试层级，以及相应的 GNN 框架 $r$ - $\ell{}$ MPNN，它能够计数长度至多为 $r + 2$ 的环。最值得注意的是，我们证明了 $r$ - $\ell{}$ WL 能够计数仙人掌图(cactus graph)的同态。这严格扩展了经典的 1-WL（后者只能计数树的同态），并且事实上，它与任何固定 $k$ 的 $k$ -WL 均不可比。我们在多个合成数据集上实证验证了所提出的 $r$ - $\ell{}$ MPNN 的表达能力和计数能力，并在各种真实世界数据集上展示了最先进的预测性能。代码可在 https://github.com/RPaolino/loopy 获取。

关键词

图神经网络 Weisfeiler-Leman 算法图同构同态计数表达能力

引用

@article{arxiv.2403.13749,
  title  = {Weisfeiler and Leman Go Loopy: A New Hierarchy for Graph Representational Learning},
  author = {Raffaele Paolino and Sohir Maskey and Pascal Welke and Gitta Kutyniok},
  journal= {arXiv preprint arXiv:2403.13749},
  year   = {2024}
}

备注

NeurIPS 2024 (Oral). The first two authors contributed equally

Weisfeiler 与 Leman 走向含环：图表示学习的新层级

摘要

关键词

引用

备注

相关论文