摘要
在本研究中，我们提出了一种新型的图嵌入技术——NERO（基于关系顺序直方图的网络嵌入）。该方法在多个经典分类任务以及一项新提出的、针对精细叶脉网络结构的基准测试中进行了性能评估。实验结果表明，NERO在不依赖GPU支持的前提下，能够处理相对较大的输入数据，其性能超越了多种核方法（kernel-type methods），并达到与当前多数先进图神经网络（GNN）相当的水平。此外，研究还证明，所生成的图表示可轻松与现有的模型可解释性技术相结合，从而直观呈现图中各边与顶点对所研究过程的影响程度，为理解网络结构与任务之间的关系提供了有效支持。