GNN的局限性under-reaching

GNN（Graph Neural Networks）的局限性主要表现在以下几个方面：

1. 局部信息受限：GNN是基于节点局部邻域的信息进行推断的，这导致了它们在处理大规模图时可能会受到局部信息的限制。在一些复杂的图结构中，节点之间的关系可能是非常远的，而GNN无法直接获取这些远程关系信息。

2. 难以处理动态图：GNN是一种静态模型，通常只能处理静态图。在处理动态图时，需要对GNN进行重新训练或使用其他技术来处理动态变化。

3. 对边信息处理不足：GNN在处理节点间关系时，通常只考虑了节点之间的连接信息，而忽略了边的更多细节信息。这可能会影响到模型对图结构的理解和建模。

4. 难以处理大规模图：GNN在处理大规模图时，通常需要进行采样或者其他技术来处理，否则会带来计算和存储方面的问题。

因此，虽然GNN已经在许多领域取得了显著的成果，但仍然存在一些局限性需要进一步研究和解决。