自适应子图神经网络

不依赖标注挖掘关键子图

无需显式子图标注，即可自适应搜索任意大小和形状的预测关键子图，并通过互信息增强提升表示质量，同时提供可解释性。

Li, Jianxin · Qingyun, Sun · 彭浩 · Beining, Yang · Wu, Jia · Phillp S., Yu

IEEE Transactions on Pattern Analysis and Machine Intelligence 2023

技术优势

提升图级预测性能

通过全局感知和标签感知的互信息最大化，增强子图表示，从而提升模型在下游任务上的性能。

应用场景

• 图神经网络可解释性：用于图神经网络预测结果的可解释性分析，识别驱动决策的关键子图。
• 图数据挖掘：用于图数据挖掘任务中的关键模式发现，无需依赖人工标注。
• 药物分子关键子结构发现：用于药物分子中关键子结构发现，辅助理解分子活性与结构的关系。
• 社交网络关键社区检测：用于社交网络中的关键社区检测，找出对网络功能起决定作用的群体。
• 图分类模型：用于图分类模型中，定位对类别判断最重要的子图区域。