【论文】图神经网络有多强大？（How Powerful are Graph Neural Networks?），麻省理工学院研究生| Keyulu Xu，哈尔滨工业大学（深圳）助理教授| WeiHua Hu

题目： How Powerful are Graph Neural Networks?

摘要： 图神经网络（GNNs）是一种有效的图表示学习框架。GNNs遵循邻域聚合方案，通过递归地聚合和转换邻域节点的表示向量来计算节点的表示向量。许多GNN变体已经被提出，并且在节点和图分类任务上都取得了最新的结果。然而，尽管GNNs给图形表示学习带来了革命性的变化，但是对于它们的表示性质和局限性的理解还是有限的。在这里，我们提出了一个理论框架来分析GNNs捕捉不同图形结构的表现力。我们的结果描述了流行的GNN变体，如图卷积网络和图年龄的辨别能力，并且表明它们不能学习辨别某些简单的图结构。然后，我们开发了一个简单的体系结构，它可以证明是GNNs类中最具表现力的，并且与Weisfeiler-Lehman图同构测试一样强大。我们在一些图形分类基准上实证验证了我们的理论发现，并证明我们的模型达到了最先进的性能。

作者简介： Keyulu Xu，麻省理工学院EECS系的研究生，也是CSAIL和机器学习小组的成员。他的兴趣是智力和推理理论。

WeiHua Hu，哈尔滨工业大学（深圳）助理教授。