UTS-Reg

新方法利用拓扑签名增强图神经网络

研究人员开发了一种新方法，通过将统一拓扑签名（UTS）集成到图神经网络（GNNs）中来增强图表示学习。这些签名捕获全局图拓扑结构，克服了限制标准GNNs区分能力的Weisfeiler--Lehman（1-WL）测试的局限性。提出的技术包括使用Graph_UTS增强GNNs、将UTS用作正则化器（UTS-Reg）以及采用拓扑引导池化（UTS-Pool）。实验表明，这些方法可以将图分类基准的准确性提高多达5.8%。