该研究探讨了图神经网络（GNN）的表达能力，提出了基于树距离的图相似度度量和多种拓扑特征的理论框架。通过消息传递神经网络（MPNNs）分析，研究了其泛化能力及在异构图中的表现，提出了新方法M2M-GNN以克服传统方法的局限性，并引入图信号切割距离度量以提高稳定性和收敛性。

该文综述多项图神经网络研究，涵盖图相似度计算、图匹配、异常检测与图像融合等方向，包括多层图匹配网络、自监督图相似性学习、MaGNet、GLMNet、MAG、GL-GNN、两阶段结构对应网络、无监督多层次图学习、MGDN及FMGAD等方法。