초록
우리는 구조 정보만을 사용하여 그래프 분류 문제를 다룹니다. 자연어 처리 기술(NLP)에서 영감을 받아, 우리의 모델은 정보를 순차적으로 임베딩하여 클래스 소속 확률을 추정합니다. 또한, NLP 유사 변동 정규화 기술을 실험하여, 시퀀스를 읽는 동안 다음 노드를 예측하도록 모델을 설계하였습니다. 실험 결과, 우리의 모델이 여러 표준 분자 데이터셋에서 최신의 분류 성능을 달성함을 보였습니다. 마지막으로, 질적 분석을 수행하고 노드 예측이 그래프 분류에 어떻게 도움이 되는지에 대한 몇 가지 통찰력을 제시합니다.