基于结构先验域知识的子图重要性估计
机器学习
2026-05-13 v1
摘要
我们提出一种用于预训练图神经网络（GNN）在图级别任务上的子图重要性估计方法，将其形式化为嵌入空间中的线性Group Lasso回归问题。该方法有效利用图子结构的先验域知识，同时独立于GNN架构中特定的输出层或读出函数形式，且无需访问 ground-truth 目标标签。在真实世界图数据集上的实验表明，我们的方法在子图重要性估计方面 consistently 优于现有基线方法。此外，我们将该方法扩展用于识别图中重要节点的作用。
关键词
引用
@article{arxiv.2605.12009,
title = {Estimating Subgraph Importance with Structural Prior Domain Knowledge},
author = {Changhyun Kim and Seunghwan An and Jong-June Jeon},
journal= {arXiv preprint arXiv:2605.12009},
year = {2026}
}