本文介绍了图神经网络（GNN）中的信息传递机制及其在动态数据结构中的应用，提出了KP-GNN和OTGNet等新框架和算法，以提升GNN的表达能力和学习效率。同时，分析了GNN的局限性，并总结了未来的研究方向。

本研究探讨了图神经网络中的信息传递模式，提出了K-hop信息传递理论及KP-GNN框架，实验结果表明其在多个基准数据集上表现优异。此外，研究还提出了Graph Substructure Networks和Union Subgraph Neural Network等新模型，提升了图神经网络的表达能力和性能。