符号图智能：基于 Tsetlin 机器的超向量消息传递用于图级模式学习

我们提出了一个多层符号框架，用于通用图分类，利用稀疏二进制超向量和 Tsetlin 机器。每个图通过结构化消息传递进行编码，节点、边和属性信息被绑定捆绑为符号超向量。这一过程通过从节点属性到边关系再到结构角色的层次绑定，保留了图的层次语义，生成紧凑且离散的表示。我们还构建了一个局部可解释框架，这为我们方法的一个关键优势提供了支持，即具有局部可解释性。我们在 TUDataset 数据集上进行了验证，结果表明该方法在保持强符号透明度的同时，以竑争的准确率表现良好，与神经网络图模型相比更具可解释性。