IsoNN : Réseau neuronal isomorphe pour l'apprentissage et la classification de représentations graphiques

Les modèles d'apprentissage profond ont connu un grand succès dans de nombreux domaines, tels que la vision par ordinateur et le traitement du langage naturel. Cependant, contrairement à ces domaines, il est difficile d'appliquer les modèles d'apprentissage profond traditionnels aux données de graphe en raison de la propriété « sans ordre des nœuds » (node-orderless). Généralement, les matrices d'adjacence imposent un ordre artificiel et aléatoire aux nœuds des graphes, ce qui rend les performances des modèles profonds sur les tâches de classification de graphes extrêmement instables, et les représentations apprises par ces modèles manquent de clarté interprétable. Pour éliminer cette contrainte d'ordre des nœuds inutile, nous proposons un nouveau modèle appelé Réseau Neuronal Isomorphique (IsoNN), qui apprend la représentation du graphe en extrayant ses caractéristiques isomorphiques grâce au couplage de graphe entre le graphe d'entrée et des modèles. L'IsoNN comporte deux composants principaux : le composant d'extraction de caractéristiques isomorphiques et le composant de classification. Le composant d'extraction de caractéristiques isomorphiques utilise un ensemble de sous-graphes modèles comme variables noyau pour apprendre les motifs possibles de sous-graphes présents dans le graphe d'entrée, puis calcule les caractéristiques isomorphiques. Un ensemble de matrices de permutation est utilisé dans ce composant pour rompre l'ordre des nœuds apporté par la représentation matricielle. Trois couches entièrement connectées sont utilisées comme composant de classification dans l'IsoNN. De nombreuses expériences ont été menées sur des jeux de données基准数据集 (benchmark datasets), et les résultats expérimentaux démontrent l'efficacité de l'IsoNN, en particulier lorsqu'il est comparé aux méthodes classiques et aux méthodes avancées actuelles pour la classification des graphes.Note: "基准数据集" (benchmark datasets) est une expression chinoise qui signifie "jeux de données standards" ou "jeux de données référence". Je l'ai inclus tel quel car il s'agit peut-être d'un terme spécifique au domaine ou à l'article original. Si vous préférez une traduction plus fluide, vous pouvez remplacer par "jeux de données standards" ou "jeux de données référence".