Florian Seiffarth

ShareGNNs通过结构感知权重共享增强MPNNs

研究人员开发了ShareGNNs，一种新颖的消息传递神经网络（MPNNs）方法，增强了其捕获图结构数据中结构模式的能力。该方法将图结构直接纳入权重共享，通过用户选择的图不变式对权重进行索引。这使得在结构等价的子图之间进行系统性重用，从而对模型复杂度进行显式控制，并提高超越标准MPNNs的表达能力。实验表明，在包括子图计数在内的各种任务上持续改进，并证明了其在大规模数据集上的可扩展性。