使用基于集成的读出函数的图级表示

图机器学习模型已成功部署于多种应用领域。其中最显著的模型类型之一——图神经网络（GNNs）——提供了一种提取富有表达力的节点级表示向量的优雅方法，可用于解决节点相关问题，例如社交网络中的用户分类。然而，许多任务需要整个图层面的表示，例如分子应用。为了将节点级表示转换为图级向量，必须应用所谓的读出函数。本工作中，我们研究现有的读出方法，包括简单的不可训练方法，以及复杂的参数化模型。我们引入了基于集成的读出函数的概念，其结合表示或预测。我们的实验表明，此类集成相比简单单一读出能取得更好性能，或与复杂参数化读出性能相当，但模型复杂度仅为其一小部分。