Pooled-Substructure-Aware GNNs

新的GNN方法明确保留子结构以用于层次图任务

研究人员推出了一种新颖的图池化方法——Pooled-Substructure-Aware GNNs，旨在更好地捕获和处理层次图表示中的子结构。该方法旨在增强图神经网络的表达能力，特别是对于需要超越局部邻域推理的任务。为了便于评估，开发了具有可控层次结构的新合成数据集，以及一个用于评估真实基准中层次模式的指标。与现有的池化基线相比，所提出的方法在具有相关层次结构的任务上表现出优越的性能。