图神经网络实战(11)——Weisfeiler-Leman测试 0. 前言1. 图神经网络的表达能力2. Weisfeiler-Leman (WL) 测试2.1 WL 测试原理2.2 利用 WL 测试比较不同聚合算子 小结系列链接 0. 前言 在 GraphSAGE 架构中,使用模型的准确性换取了可扩展性,这在推荐系统等应用中非常有用。然而,这也引发了几个问题:是什么让图神经网络 (Graph Neural Networks, GNN) 变得 “准确”?这种准确性从何而来?我们能否利用这些知识设计出更好的 GNN? 本节将通过介绍 Weisfeiler-Leman