文件名称：SimGNN:“SimGNN”的硬实现
文件大小：8.86MB
文件格式：ZIP
更新时间：2024-06-19 13:57:21
machine-learning deep-learning neural-network keras graph-theory
模拟神经网络 SimGNN的Keras实现：快速图相似度计算的神经网络方法* *这仅包括上层（注意力机制实现） 抽象的 图相似性搜索是最重要的基于图的应用程序之一，例如查找与查询化合物最相似的化合物。 图相似性/距离计算，例如图编辑距离 (GED) 和最大公共子图 (MCS)，是图相似性搜索和许多其他应用程序的核心操作，但在实践中计算成本非常高。 受神经网络方法最近在多个图应用（例如节点或图分类）上取得成功的启发，我们提出了一种基于神经网络的新方法来解决这个经典但具有挑战性的图问题，旨在减轻计算负担，同时保持良好的性能。 所提出的方法称为 SimGNN，结合了两种策略。 首先，我们设计了一个可学习的嵌入函数，将每个图映射到一个嵌入向量，它提供了一个图的全局摘要。 提出了一种新颖的注意机制，以强调与特定相似性度量相关的重要节点。 其次，我们设计了一种成对节点比较方法，用细粒度节点级信息补