.png){kind=icon}
返回
Graph neural network based on graph kernel: A survey
.png){kind=icon}
PRE
AI
DOI：10.1016/j.patcog.2024.111307.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
图数据在现实场景中无处不在，图数据的研究已成为研究热点。过去几十年间，图域取得了显著进展，尤其是在图核和图神经网络的发展方面。但它们也面临挑战，例如图核难以学习复杂交互，图神经网络参数过多导致优化性能差等。因此，将二者融合已成为重要策略。现有文献中的综述主要集中于图核或图神经网络各自的研究，未提及基于图核的图神经网络方法。本文从基础知识出发，阐述了它们面临的挑战，并分析了二者存在的互补视角，从而证实了融合策略的可行性。在此基础上，本文从表达能力、性能和应用角度梳理了近年来基于图核的重要图神经网络方法。此外，我们通过实验结果验证了其实际有效性。最后，我们探讨了未来研究方向。我们还收集了近年来关于基于图核的图神经网络方法的论文和开源代码资源，详见 https://github.com/bigdata-graph/GNN_GK。
Keyword:
Graph kernel
Graph neural network
Fusion strategy
Graph representation learning
Classification ability
期刊
IF:
7.6
论文数:
1.4W
被引数:
4.5W
机构
引用论文
.png){kind=icon}
查看更多内容