我们提出了MaGNet框架，一种新的模型无关的图神经网络，能够顺序地集成不同顺序的信息，从高阶邻居中提取知识，并通过识别紧凑图结构提供有意义、可解释的结果。数值研究和实际案例研究证明了MaGNet的卓越性能。

我们提出了一个新的图神经网络框架MaGNet，能够顺序地集成不同顺序的信息，从高阶邻居中提取知识，并通过识别紧凑图结构提供有意义、可解释的结果。数值研究和实际案例研究证明了MaGNet的卓越性能。

MaGNet是一个新的模型无关的图神经网络框架，通过识别紧凑图结构提供有意义、可解释的结果。经过研究证明了MaGNet相对于其他方法的卓越性能。