Weisfeiler-Lehman test
PulseAugur coverage of Weisfeiler-Lehman test — every cluster mentioning Weisfeiler-Lehman test across labs, papers, and developer communities, ranked by signal.
-
New GSWL test incorporates geometry into simplicial message passing models
Researchers have developed a new framework called the Geometric Simplicial Weisfeiler--Lehman (GSWL) test to address limitations in existing message passing networks. The GSWL test enhances the Weisfeiler--Lehman (WL) a…
-
全谱GNN推进了用于富有表现力和可扩展图学习的光谱滤波
研究人员推出全谱图神经网络（FSpecGNN），这是一种新颖的方法，可增强光谱图神经网络的表现力。FSpecGNN通过在节点对上操作并对特征值对使用双变量滤波器来推广经典光谱GNN，超越了一维Weisfeiler-Lehman测试的局限性。这一进展实现了节点对信号的通用近似，这对于异质图学习特别有益。所提出的架构还集成了可扩展的实现和低秩近似，从而能够在大规模图上进行高效学习。
-
新的研究基准和方法推动图神经网络的评估和设计
几篇最新的arXiv论文探讨了图神经网络（GNNs）的进展和挑战。研究内容包括验证GNN归属和检测仿冒模型的方法，以及开发用于评估知识图谱构建和GNN性能的统一基准。其他工作则侧重于对抗性GNNs的标准化评估协议、用于缓解过挤压和过平滑的图重连技术调查、自适应节点特征选择，以及一个名为Grothendieck Graph Neural Networks的新代数框架，该框架超越了传统的基于邻域的聚合。