Color-connectivity

我们引入了合成图分类数据集，其任务是识别 4 个不同拓扑图中相同颜色节点的连接性。

四个颜色连通性数据集是通过获取一个图表并将其一半节点随机着色一种颜色（例如红色）和其他节点蓝色来创建的，这样红色节点要么形成一个连接的岛，要么形成两个不相交的岛。然后二进制分类任务区分这两种情况。通过从两个随机节点开始运行两个红色随机游走来对节点颜色进行采样。
对于我们使用的底层图拓扑：1）16x16 2D 网格，2）32x32 2D 网格，3）Euroroad 道路网络（Šubelj 等人，2011），和 4）明尼苏达州道路网络。
我们为每个图抽取了一组平衡的 15,000 个着色示例，但由于内存限制，我们为其生成了 6,000 个示例的 Minnesota 网络除外。
颜色连接任务需要结合本地和远程图信息处理，大多数现有的消息传递图神经网络 (GNN) 无法扩展。这些数据集可以作为新的和更强大的 GNN 方法的常识验证。这些测试台数据集仍然可以改进，因为节点特征很少（只有二进制颜色），并且不需要识别特定的拓扑模式（例如，环或其他子图）来解决任务。

搜集汇总

背景与挑战

背景概述

Color-connectivity是一个合成图分类数据集，旨在通过识别四个不同拓扑图中相同颜色节点的连接性来测试图神经网络的性能。它基于16x16和32x2D网格、Euroroad道路网络及明尼苏达州道路网络构建，提供平衡的着色示例，用于评估模型处理长距离图信息的能力。