基于图-图接近性的无监督归纳图级表示学习

我们提出了一种新的图级表示学习方法，该方法可以将整个图嵌入到一个向量空间中，使得两个图的嵌入向量保持它们之间的图-图接近度。我们的方法称为UGRAPHEMB，是一个通用框架，提供了一种全新的完全无监督且归纳式的图级嵌入手段。所学的神经网络可以被视为一个函数，接收任意图作为输入（无论是在训练集中出现过的还是未出现过的），并将其转换为嵌入向量。我们还提出了一种新的图级嵌入生成机制——多尺度节点注意力（Multi-Scale Node Attention, MSNA）。在五个真实图数据集上的实验表明，UGRAPHEMB在图分类、相似性排序和图可视化任务中取得了具有竞争力的准确性。