融合基序信息的图同构注意力网络的图分类问题研究

摘要

基于频繁子图挖掘算法的图分类方法无法避免子图同构计算，算法的效率低且忽略了节点特征信息，而基于图神经网络的方法则关注节点特征信息.本文提出一种融合基序信息的图同构注意力网络的图分类方法.该方法首先利用图的拓扑结构和节点类别信息，提取数据集中的子图结构构成基序集合，再基于基序集合生成基序级图嵌入表示，避免了频繁子图挖掘；然后在图同构网络的池化操作中引入全局注意力机制，学习高质量的节点级图嵌入表示；最后将基序级和节点级图嵌入表示拼接起来用于图分类.该图嵌入表示不仅包含了图中节点的特征信息，也反映了图的结构特征信息.实验结果表明，所构建的网络模型在五个公开数据集上取得了优异的分类精度.

关键词

图分类 / 图神经网络 / 基序 / 全局注意力机制

基金资助

国家自然科学基金项目(U1333109)资助