초록
현재의 GNN 아키텍처는 정점의 이웃 집합(aggregation) 방식을 사용하고 있으며, 이는 1차원 Weisfeiler-Lehman (WL) 그래프 동형성 테스트의 구별 능력에 한계를 갖는다. 본 연구에서는 2차원 WL 테스트에 기반한 새로운 그래프 컨볼루션 연산자를 제안한다. 형식적으로 제안된 2-WL-GNN 아키텍처가 기존 GNN 접근법보다 더 높은 구별 능력을 갖는다는 것을 입증한다. 이 이론적 결과는 합성 데이터 및 실질 데이터를 활용한 실험 연구를 통해 보완된다. 다양한 일반적인 그래프 분류 벤치마크에서 제안된 모델이 최신의 그래프 커널 및 GNN들과 경쟁 가능한 성능을 보임을 실험적으로 입증하였다.