神经图表示子图匹配设计空间图解
机器学习
2025-10-28 v1
摘要
子图匹配在知识图谱 (KG) 问答、分子设计、场景图、代码和电路搜索等方面至关重要。神经方法已显示出对子图匹配的潜在优势。我们对近期系统的研究表明，将其重构为图匹配网络的统一设计空间。现有方法仅在该空间中占据少数孤立的区域，而该空间仍基本未被探索。我们首次全面探索了这一空间，包含诸如基于注意力的交互 vs. 软置换的交互方式、节点 vs. 边的对齐方式以及最终整合图神经表示的评分网络形式等轴向。我们的广泛实验揭示，该空间中这些选择的明智且此前未被探索的组合可带来显著的性能提升。除更好的性能外，我们的研究还发现了有价值的见解，确立了神经图表示和交互的通用设计原则，可能对更广泛的兴趣有意义。
引用
@article{arxiv.2510.22897,
title = {Charting the Design Space of Neural Graph Representations for Subgraph Matching},
author = {Vaibhav Raj and Indradyumna Roy and Ashwin Ramachandran and Soumen Chakrabarti and Abir De},
journal= {arXiv preprint arXiv:2510.22897},
year = {2025}
}
备注
ICLR 2025