GNN2021(十九) GraphReach: Position-Aware Graph Neural Network using Reachability Estimations，IJCAI2021

本篇文章可以看做是之前写过的博客Position-aware Graph Neural Networks，ICML2019 中P-GNN的改进，有兴趣的小伙伴可以点击传送门去看哈。

Introduction

从直觉来说，GNN中，两个距离非常远但位于相似区域的节点应该映射到相似嵌入，但是基于同质性假设的GNN并不能很好地做到这一点。因此，为了引入全局的节点位置信息，在P-GNN的基础上提出GRAPHREACH，具体来说就是通过对一组锚节点（anchor nodes）的可达性估计来捕获节点的全局位置。换句话说，通过计算与固定锚点的距离或是路径数量等指标，获取节点在整个图中的相对位置信息。而最主要的不同在于锚点的选取，P-GNN的选择方式是通过最短路径，而本文则是利用可达性（基于路径的数量）。
首先，举例说明GNN无法无法区分位于图中不同部分但具有相似邻域的节点，而这种举例在GNN表达能力（主要是图同构测试、图函数逼近两方面）探究中是十分常见的。

比如图1（a）中