一种新型高阶Weisfeiler-Lehman图卷积

现有的图神经网络（GNN）架构采用顶点邻域聚合机制，其区分能力受限于一维Weisfeiler-Lehman（WL）图同构测试的表达能力。本文提出一种新型的图卷积算子，该算子基于二维Weisfeiler-Lehman测试。我们从理论上证明，所提出的2-WL-GNN架构在区分能力上优于现有的各类GNN方法。这一理论结论得到了在合成数据与真实数据上的实验研究的补充验证。在多个常见的图分类基准测试中，所提出的模型表现出与当前最先进图核方法及GNN模型相当甚至更优的性能。