arXiv cs.AI· Jorge Luiz Franco, Arthur Queiroz Moura, Moacir Ponti, Amauri Souza·· 10 小时前AI 评分22
消息传递图持续性（MGP）：将消息传递融入图过滤的拓扑描述符
Message-passing graph persistence
AI 导读
研究者提出消息传递图持续性（MGP），将消息传递融入图过滤过程，每个过滤步骤用当前子图更新节点嵌入并关联持续事件，节点嵌入同时决定持续计算中连通分量的代表。MGP 被证明在图同构下不变，且严格强于其所扩展的 PH 类描述符。在表达性基准及多个图分类与回归数据集上，MGP 在多数数据集上优于其他 PH 类描述符。
正文 · AI 翻译
摘要：消息传递图神经网络（GNN）的表达能力受限于一维 Weisfeiler-Leman 测试。持久同调（PH）提供了可以补充 GNN 表示的拓扑描述符，但现有方法通常将持久性的计算与表示学习过程分开进行。在本文中，我们引入了消息传递图持久性（MGP），这是一类将消息传递纳入图过滤的拓扑描述符。在每个过滤步骤中，节点嵌入使用当前子图进行更新，并与持久性事件相关联。这些嵌入还决定了持久性计算过程中连通分量的代表元。我们证明了 MGP 在图同构下具有不变性，并且严格比它所扩展的基于 PH 的描述符更具表达力。我们在一个表达力基准以及若干图分类和回归数据集上评估了 MGP。实验表明，MGP 在大多数这些数据集上优于其他基于 PH 的描述符。
| 学科： | 机器学习（cs.LG）；人工智能（cs.AI）；机器学习（stat.ML） |
| 引用为： | arXiv:2611.06801 [cs.LG] |
| （或 arXiv:2611.06801v1 [cs.LG] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2611.06801 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Jorge Luiz Franco [查看电子邮件]
[v1]
2026年11月4日星期三 17:18:34 UTC（131 KB）
来源：arXiv cs.AI · arxiv.org