用于图相似度的卷积集合匹配
机器学习
2018-11-15 v3 机器学习
摘要
我们提出GSimCNN（通过卷积神经网络计算图相似度）用于预测两个图之间的相似度分数。作为图相似度搜索的核心操作，成对图相似度计算由于许多图距离/相似度度量计算的NP难性质而是一个具有挑战性的问题。我们以图编辑距离（GED）为例度量展示了我们的模型。在三个真实图数据集上的实验表明，我们的模型在图相似度搜索上达到了最先进的性能。
引用
@article{arxiv.1810.10866,
title = {Convolutional Set Matching for Graph Similarity},
author = {Yunsheng Bai and Hao Ding and Yizhou Sun and Wei Wang},
journal= {arXiv preprint arXiv:1810.10866},
year = {2018}
}
备注
NIPS 2018 Workshop: Relational Representation Learning. Note: Substantial text overlap with arXiv:1809.04440