科研之友
微信
新浪微博
Facebook
分享链接
摘要
图相似度计算在许多有关图的任务中起着重要作用，例如图相似性搜索、图分类和图聚簇等。由于计算2个图之间的精确距离/相似度通常是NP-hard的，因此基于神经网络提出了自适应结构感知池化图匹配网络模型(ASAPMN),用端到端的方式来计算任意2个图结构之间的相似性。利用一种新颖的自我注意网络和一种改进的图神经网络来确定给定图中每个节点的重要性，通过学习对每一层的节点进行稀疏软集群分配，从而有效地池化子图，形成池化图。在池化后的图对上利用结点-图匹配网络有效地学习一个图的每个节点与另一整个图之间的跨层交互提取图间相似度。在4个公共数据集上的综合实验结果表明，ASAPMN在图-图分类和回归任务中优于最先进的基线模型。
- 单位
