[논문 리뷰] On the Power of the Weisfeiler-Leman Test for Graph Motif Parameters

Matthias Lanzinger, Pablo Barceló|arXiv (Cornell University)|2023. 09. 29.

Advanced Graph Neural NetworksComputer Science인용 수 3

한 줄 요약

이 논문은 레이블이 부여된 그래프 모티프 파라미터에 대한 Weisfeiler-Leman (WL) 차원을 정확히 기술하며, 부분그래프 및 유도 부분그래프 세기 문제를 통합한다. 이는 패턴 $P$의 WL-차원이 스파즘 내에서의 동형 이미지들 중 최대 트리폭에 의해 결정됨을 입증하고, 이 차원을 계산하는 다항식 시간 알고리즘을 제시함으로써 분야 내 열린 문제를 해결한다.

ABSTRACT

Seminal research in the field of graph neural networks (GNNs) has revealed a direct correspondence between the expressive capabilities of GNNs and the $k$-dimensional Weisfeiler-Leman ($k$WL) test, a widely-recognized method for verifying graph isomorphism. This connection has reignited interest in comprehending the specific graph properties effectively distinguishable by the $k$WL test. A central focus of research in this field revolves around determining the least dimensionality $k$, for which $k$WL can discern graphs with different number of occurrences of a pattern graph $P$. We refer to such a least $k$ as the WL-dimension of this pattern counting problem. This inquiry traditionally delves into two distinct counting problems related to patterns: subgraph counting and induced subgraph counting. Intriguingly, despite their initial appearance as separate challenges with seemingly divergent approaches, both of these problems are interconnected components of a more comprehensive problem: "graph motif parameters". In this paper, we provide a precise characterization of the WL-dimension of labeled graph motif parameters. As specific instances of this result, we obtain characterizations of the WL-dimension of the subgraph counting and induced subgraph counting problem for every labeled pattern $P$. We additionally demonstrate that in cases where the $k$WL test distinguishes between graphs with varying occurrences of a pattern $P$, the exact number of occurrences of $P$ can be computed uniformly using only local information of the last layer of a corresponding GNN. We finally delve into the challenge of recognizing the WL-dimension of various graph parameters. We give a polynomial time algorithm for determining the WL-dimension of the subgraph counting problem for given pattern $P$, answering an open question from previous work.

연구 동기 및 목표

• 레이블이 부여된 그래프 모티프 파라미터의 WL-차원을 기술하고, 부분그래프 및 유도 부분그래프 세기 문제를 통합한다.
• 레이블이 부여된 패턴에 대한 유도 부분그래프 세기의 WL-차원과 관련된 열린 문제를 해결한다.
• 주어진 패턴 $P$에 대해 부분그래프 세기의 WL-차원을 계산하는 다항식 시간 알고리즘을 제공한다.
• $k$-WL이 그래프를 다른 수의 $P$-복사본으로 구분할 수 있을 때, 최종 GNN 레이어의 국소 정보만으로 정확한 패턴 발생 수를 계산할 수 있음을 보여준다.
• 그래프 모티프 파라미터의 깊은 결과를 확장하여, 유도 부분그래프 세기 및 $k$-그래프릿 세기의 WL-차원을 결정한다.

제안 방법

• 논문은 그래프의 스파즘을 도입하며, 이는 그래프의 모든 루프 없는 몫들로 정의된다.
• 패턴 $P$의 WL-차원은 $k$-WL이 다른 수의 $P$-복사본을 가진 그래프를 구분할 수 있는 최소 $k$로 정의된다.
• 핵심 기술적 통찰은 패턴 $P$의 WL-차원이 $P$의 스파즘 내 모든 동형 이미지들 중 최대 트리폭과 일치한다는 것이다.
• 고정된 $k$에 대해 고정-파rameter 트랙터블 및 선형 시간 알고리즘을 가능하게 하기 위해, Courcelle의 정리를 사용하여 유한한 금지 미니처 집합의 그래프 미니처가 존재하는지 결정한다.
• 레이블이 부여된 그래프로의 확장을 위해, 몫에서 정점 및 간선 레이블 일관성을 보장하기 위한 제약 조건을 추가로 도입하며, 이는 이阶 논리 공식을 사용한다.
• 트리폭이 유한한 경우 금지 미니처 집합의 유한성을 증명하기 위해 Robertson-Seymour의 그래프 미니처 이론과 잘순서화를 활용한다.

실험 결과

연구 질문

• RQ1 레이블이 부여된 그래프 모티프 파라미터의 WL-차원은 무엇이며, 패턴 $P$의 구조와 어떻게 관련이 있는가?
• RQ2 유도 부분그래프 세기의 WL-차원은 부분그래프 세기와 동일한 방식으로 기술될 수 있는가?
• RQ3 주어진 패턴 $P$에 대해 부분그래프 세기의 WL-차원을 계산하는 다항식 시간 알고리즘이 존재하는가?
• RQ4 $k$-WL이 다른 수의 $P$-복사본을 가진 그래프를 구분할 수 있을 때, 최종 GNN 레이어의 국소 정보만으로 정확한 $P$-복사본 수를 계산할 수 있는가?
• RQ5 깊은 그래프 모티프 파라미터 이론의 결과들을 어떻게 활용하여, 유도 부분그래프 세기 및 $k$-그래프릿 세기의 WL-차원을 결정할 수 있는가?

주요 결과

• 레이블이 부여된 패턴 $P$의 WL-차원은 $P$의 스파즘 내 모든 동형 이미지들 중 최대 트리폭과 같다.
• 논문은 열린 문제를 해결하여, 유도 부분그래프 세기의 WL-차원 역시 $P$의 스파즘 내 최대 트리폭에 의해 기술됨을 보였다.
• 다른 작업에서 제기된 열린 질문에 답하기 위해, 주어진 패턴 $P$에 대해 부분그래프 세기의 WL-차원을 계산하는 다항식 시간 알고리즘을 제공하였다.
• $k$-WL이 다른 수의 $P$-복사본을 가진 그래프를 구분할 수 있을 때, 최종 GNN 레이어의 국소 정보만으로도 $P$-복사본의 정확한 수를 균일하게 계산할 수 있다.
• 레이블 일관성 제약 조건을 미니처 임bedding 공식에 통합함으로써, 레이블이 부여된 그래프로의 방법 확장을 수행하였으며, 이는 정확성과 결정 가능성을 유지한다.
• 제안된 기술적 특성화와 그래프 모티프 파라미터 이론의 결과를 활용하여, $k$-그래프릿 세기 및 유도 부분그래프 세기의 WL-차원을 결정할 수 있다.