【机器学习核心总结】Wasserstein Estimator下的神经子图计数

最新推荐文章于 2024-07-22 09:16:52 发布

唐先生的博客

最新推荐文章于 2024-07-22 09:16:52 发布

阅读量127

点赞数

分类专栏：机器学习深度学习文章标签：机器学习人工智能

本文链接：https://blog.csdn.net/RuanJian_GC/article/details/131547434

版权

54 篇文章 2 订阅 ¥49.90 ¥99.00

订阅专栏

54 篇文章 1 订阅

订阅专栏

Basic Information:

Title: Neural Subgraph Counting with Wasserstein Estimator (Wasserstein Estimator下的神经子图计数)
Authors: Hanchen Wang, Rong Hu, Ying Zhang, Lu Qin, Wei Wang, Wenjie Zhang
Affiliation: University of Technology Sydney (悉尼科技大学)
Keywords: Subgraph Counting, Graph Neural Network
URLs: https://dl.acm.org/doi/10.1145/3514221.3526163, GitHub: None

a. Research background of this article:
- 本文介绍了图分析中的子图计数问题是一个基础的、被广泛应用于生物信息学、计算机视觉和社交网络分析等领域的研究问题。
b. Past methods, their problems, and motivation:
- 由于子图计数问题是 NP 完全问题，近似方法一直受到广泛研究，但这些方法不能处理大而复杂的查询和数据图。之前的机器学习方法要么仅支持小数据图，要么不能有效地利用数据图信息，这限制了它们的可扩展性、预测准确性和鲁棒性。
c. Research methodology proposed in this paper:
- 本文提出了一种新的近似子图计数算法 NeurSC，它由一个自适应提取模块和一个估计器组成，可以高效地从查询和数据图中提取和组合信息。NeurSC 的估计精度通过 Wasse