집계가 잃는 정보
이웃 특징을 집계하고 변환하는 방식에 따라 다른 그래프 구조가 같은 표현이 될 수 있다. 원 연구는 GCN과 GraphSAGE 같은 모형이 일부 단순한 구조를 구별하지 못하는 경우를 분석했다.
중복을 담는 이웃 표현
이웃 특징을 중복 원소를 허용하는 다중집합으로 보고 서로 다른 다중집합을 다른 표현으로 옮기는 집계의 중요성을 설명한다. 집계와 그래프 읽기 함수가 만족해야 할 조건을 정리했다.
검사와의 표현력 관계
그 조건을 만족하는 구성에서 GIN의 구별력이 바이스파일러 레만 검사와 같음을 보였다. 모든 가능한 그래프를 구별한다는 뜻은 아니며 원 연구는 여러 그래프 분류 자료에서도 이론의 효과를 평가했다.