该文介绍了一种基于概率重连的消息传递图神经网络（PR-MPNNs），通过省略不太有益的边并添加相关边来增强表达能力。作者进行了理论分析并验证了该方法的有效性，实验结果表明，该方法在预测性能上与传统的MPNN模型和最近的图变压器架构相比表现出有竞争力或更好的性能。

该文介绍了一种概率重连的消息传递图神经网络（PR-MPNNs），能够有效地缓解过度压缩和预测能力不足等问题，并在预测性能上与传统的 MPNN 模型和最近的图变压器架构相比表现出有竞争力或更好的性能。