神经图导航用于智能子图匹配

子图匹配是一种关系模式检测的基石，应用领域从生化系统到社交网络分析，但由于搜索空间的显著增长，面临着巨大的计算挑战。现有方法在过滤-排序-枚举框架中解决此问题，其中枚举阶段递归地将查询图与数据图的候选子图进行匹配。然而，缺乏对子图结构模式的 awareness 导致昂贵的暴力枚举，从而严重动员智能子图匹配导航的需求。为此，我们提出了神经图导航（NeuGN），一种神经启发式框架，将暴力枚举转化为神经引导的搜索，通过将神经导航机制集成到核心枚举过程中。通过保持基于启发式的完整性保证，同时融合神经智能，NeuGN在六个真实数据集上将"首次匹配步骤"减少最高可达98.2%。