【论文泛读】《A Graph Similarity for Deep Learning》

解决问题
相似性的判断不够好
解决对策
采用核距离，提出transform-sum-cat作为聚合变换的替代方案，在邻域聚合中反映节点邻域之间的连续相似性—Weisfeiler-Leman相似性(WLS)。与现有的图形内核相比，WLS很容易用常见的深度学习框架实现。
创新点：

1. 在图分类实验中 transform-sum-cat 优于其他GNN 模型
2. 开发基于transform-sum-cat 的 GNN 模型，该模型在节点分类方面具有更高的精度，在图回归方面具有更低的绝对误差，在图生成的对抗训练方面具有更高的稳定性。