用于学习不相交分子图联合表示的图神经网络
计算工程、金融与科学
2022-11-01 v2 定量方法
摘要
图神经网络被广泛用于学习图的全局表示，这些表示随后用于回归或分类任务。通常，此类数据集中的图是连通的，即每个训练样本由单个内部连通的图及其全局标签组成。然而，存在大量尚未被考虑但在应用中相关的任务，其中标签被赋予不相交图的集合，这需要生成不相交图的全局表示。在本文中，我们提出了一个带有化学反应的新数据集，以说明该任务。每个样本由一对不相交分子图和一个表示与分子化学反应相关的标量度量的联合标签组成。我们展示了能够在该数据集的组合子集内解决该任务的图神经网络的初步结果，但这些网络不能很好地泛化到完整数据集和未见过（子）图。
引用
@article{arxiv.2210.09517,
title = {Graph neural networks to learn joint representations of disjoint molecular graphs},
author = {Chen Shao and Zhou Chen and Pascal Friederich},
journal= {arXiv preprint arXiv:2210.09517},
year = {2022}
}
备注
5 pages, 4 figures