연속 특징의 표현력
기존의 그래프 표현력 분석이 동형 구별과 셀 수 있는 특징 공간에 집중한 데서 출발한다. 원 연구는 실제 입력과 신경망 내부에 나타나는 연속 특징으로 분석을 확장하고 여러 집계 함수가 필요한 이유를 보였다.
집계와 차수의 결합
복수의 집계 함수를 노드 차수에 따른 조절자와 결합한다. 차수 조절은 합 집계의 역할을 일반화하며 이웃의 여러 통계적 측면을 표현에 반영하는 구성이다.
구조 활용 능력의 평가
고전 그래프 이론에서 가져온 여러 과제를 포함하는 새 벤치마크를 제안했다. 실제 영역의 기존 벤치마크와 함께 사용해 모형이 구조 정보를 포착하고 활용하는 능력을 비교했다.
관련 문서
GIN 그래프 동형 신경망 / GraphSAGE / 그래프 신경망 / 노드 차수 / 표현 학습 / 그래프