摘要
图结构数据在科学和工程领域中普遍存在。图神经网络（GNNs）旨在利用图中表现出的关系归纳偏置；它们已经在结构信息补充节点特征的场景中显示出优于其他形式神经网络的性能。最常见的GNN架构基于消息传递机制聚合邻域信息，其通用性使其应用广泛。本文重点关注一种特殊但广泛使用的图类型——有向无环图（DAGs），并在神经网络设计中注入更强的归纳偏置——部分排序。我们提出了一种新的架构，即有向无环图神经网络（DAGNN），该架构根据部分排序定义的信息流来处理信息。DAGNN可以被视为一个框架，涵盖了早期工作的特殊情况（例如，针对树结构的模型和递归更新节点表示的模型），但我们识别出先前架构所缺乏的几个关键组件。我们在代表性DAG数据集上进行了全面实验，包括消融研究（即源代码、神经架构和概率图模型），并展示了DAGNN在这些数据集上相对于简单DAG架构以及通用图架构的优势。