图相似度计算：SimGNN： A Neural Network Approach to Fast Graph Similarity Computation

一点点都不想学习😔，就把看的图相似度文献的笔记发下吧，有需要的随便瞅瞅吧（CSDN是没办法改字体大小么）

1.文献相关链接：*
文献标题：SimGNN： A Neural Network Approach to Fast Graph Similarity Computation
来源：WSDM2018（ 网络搜索和数据挖掘国际会议）
论文链接：
https://arxiv.org/abs/1808.05689
代码链接：
https://paperswithcode.com/paper/graph-edit-distance-computation-via-graph#code

2.Main idea：输入为一对图，输出为两个图的相似度分数（有监督学习方式）

3.网络结构：给定一对图，将图进行向量表示，然后再根据图对应的向量来计算相似度，即graph embedding.同时考虑了两个图节点之间的相关性或差异性

1)Graph embedding
首先对每个节点进行one -hot encoding（相同节点类型的编码相同），然后利用GCN（3层或者说是聚合了节点的一阶邻居的特征）进行邻居聚合，最后利用注意力机制将节点嵌入合并为图嵌入