【GNN】WL-test：GNN 的性能上界

今天學習斯坦福大學同學 2019 年的工作《HOW POWERFUL ARE GRAPH NEURAL NETWORKS?》，這也是 Jure Leskovec 的另一大作。 我們知道 GNN 目前主流的做法都是通過迭代地對鄰居進行聚合（aggreating）和轉換（transforming）來更新節點的表示向量。而在這篇文章中，本文作者提出了一個可以用於分析 GNN 能力的理論框架，通過對目前比

>>阅读原文<<