NetworkX中Weisfeiler-Lehman图哈希算法的实现问题与改进方案

问题背景

NetworkX是一个广泛使用的Python图论库，其中实现了Weisfeiler-Lehman（WL）图同构测试算法及其变体。该算法通过迭代地聚合节点邻域信息来生成图或子图的哈希值，常用于图相似性比较和图机器学习任务。

现有实现的问题分析

当前实现存在三个主要技术问题：

1. 迭代计数不一致性：对于无属性图，算法初始化时直接使用节点度数作为初始标签，这相当于提前进行了一次邻域聚合。这导致：

   • 文档中的示例结果与理论不符
   • 无属性图与带属性图的迭代次数不对齐
   • 对有向图的处理产生潜在错误

2. 有向图处理缺陷：当前实现对有向图的处理不够完善：

   • 仅考虑出边邻居而忽略入边邻居
   • 导致某些明显不同构的有向图被错误判定为相同

3. 初始化策略不一致：带节点属性图和无属性图采用不同的初始化策略，破坏了算法的一致性。

技术原理深入

标准的WL算法包含以下关键步骤：

1. 初始化节点标签（通常为节点度数或给定属性）
2. 迭代地聚合邻域节点标签
3. 对聚合结果进行哈希

对于有向图，理论上应该同时考虑入边和出边邻居信息。当前实现仅使用G.neighbors()（等价于出边邻居），导致信息丢失。

解决方案设计

核心改进点

1. 迭代计数修正：

   • 将度数计算作为第一次迭代而非初始化步骤
   • 确保带属性图和无属性图的迭代语义一致

2. 有向图增强处理：

   • 初始标签使用(入度，出度)元组
   • 聚合时分别处理前驱和后继节点
   • 为方向信息添加明确前缀（如"pred"和"succ"）

3. 统一初始化策略：

   • 无论是否有属性，都采用一致的初始化逻辑
   • 显式区分不同情况下的初始标签生成

代码结构优化建议

def _neighborhood_aggregate(G, node, node_labels, edge_attr=None):
    # 统一处理有向图和无向图
    if G.is_directed():
        # 分别处理前驱和后继
        pred_labels = [f"_pred_{G[pred][node][edge_attr]}{node_labels[pred]}" 
                      for pred in G.predecessors(node)]
        succ_labels = [f"_succ_{G[node][succ][edge_attr]}{node_labels[succ]}" 
                      for succ in G.successors(node)]
        return node_labels[node] + "".join(sorted(pred_labels + succ_labels))
    else:
        # 原始无向图处理逻辑
        label_list = [f"{G[node][nbr][edge_attr]}{node_labels[nbr]}" 
                     for nbr in G[node]]
        return node_labels[node] + "".join(sorted(label_list))

影响评估与兼容性

这些改进将带来以下影响：

1. 现有无属性图的哈希结果会发生变化（因迭代计数调整）
2. 有向图的判别能力显著提升
3. 计算开销略有增加（特别是有向图需要处理双倍邻居）

建议通过版本说明明确告知用户这些变更，特别是哈希结果变化的情况。

未来扩展方向

1. 多图(MultiGraph)支持：考虑边重数作为附加属性
2. 性能优化：针对大规模图的批处理优化
3. 属性融合：更灵活的节点和属性组合策略

这些改进将使NetworkX的WL实现更加完备和可靠，为图相似性比较和图机器学习任务提供更坚实的基础设施支持。