分子拓扑特征（MOLTOP）——分子图分类的简单而强大的基线
机器学习
2024-07-24 v3 定量方法
摘要
我们重新审视了拓扑描述符在分子图分类中的有效性，并设计了一个简单而强大的基线。我们证明，一种简单的特征工程方法——使用边描述符的直方图聚合以及原子序数和键类型的独热编码——与随机森林分类器相结合，可以为图神经网络（GNN）建立一个强大的基线。新算法分子拓扑特征（MOLTOP）整合了边介数中心性、调整兰德指数和SCAN结构相似性得分。这种方法在与现代GNN相比时表现出显著的竞争力，同时简单、快速、低方差且无需超参数。我们使用Open Graph Benchmark提供的公平评估协议，在MoleculeNet数据集上对我们的方法进行了严格测试。此外，我们还展示了在Long Range Graph Benchmark的肽分类任务上的域外生成能力。在十一个基准数据集上的评估揭示了MOLTOP强大的判别能力，对于某些图类别，其性能超过了-WL测试，甚至-WL测试。我们的结论是，像我们提出的这种基于描述符的基线，对于准确评估GNN领域的进展仍然至关重要。
关键词
引用
@article{arxiv.2407.12136,
title = {Molecular Topological Profile (MOLTOP) -- Simple and Strong Baseline for Molecular Graph Classification},
author = {Jakub Adamczyk and Wojciech Czech},
journal= {arXiv preprint arXiv:2407.12136},
year = {2024}
}