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