【ICML2023】图神经网络可以仅从图结构中恢复隐藏特征

图神经网络（GNNs）是用于图学习问题的流行模型。在许多实际任务中，GNNs表现出强大的经验性能能力。然而，其理论属性尚未完全阐明。在本文中，我们从GNNs的表达能力的角度研究它们是否能利用图结构。在我们的分析中，我们考虑由隐藏节点特征控制的图生成过程，这些特征包含了关于图结构的所有信息。这个框架的一个典型例子是根据隐藏特征构建的kNN图。在我们的主要结果中，我们表明，即使在所有节点特征（包括隐藏特征本身和任何间接提示）都不可用的情况下，GNNs也可以仅从输入图中恢复隐藏节点特征。GNNs还可以使用恢复的节点特征进行下游任务。这些结果表明，GNNs可以完全自主地利用图结构，并且在实际上，GNNs可以在下游任务中使用隐藏和显式节点特征。在实验中，我们通过展示基于我们理论分析构建的GNN架构可以准确地恢复隐藏特征，证实了我们的结果的有效性。

https://www.zhuanzhi.ai/paper/1e88e68288b217c17d49b0f911eb71ea