图数据广泛存在于现实世界中, 可以自然地表示复合对象及其元素之间的复杂关联. 对图数据的分类是一 个非常重要且极具挑战的问题, 在生物/化学信息学等领域有许多关键应用, 如分子属性判断, 新药发现等. 但目前 尚缺乏对于图分类研究的完整综述. 首先给出图分类问题的定义和该领域的挑战; 然后梳理分析了两类图分类方 法—基于图相似度计算的图分类方法和基于图神经网络的图分类方法; 接着给出了图分类方法的评价指标、常用 数据集和实验结果对比; 最后介绍了图分类常见的实际应用场景, 展望了图分类领域的未来研究方向并对全文进 行总结.

论文链接：

http://www.jos.org.cn/jos/article/abstract/6323

本文第 1 节给出图分类问题定义并指出图分类领域中的问题和挑战. 第 2 节梳理了基于相似度计算的图分类 方法, 其中包括基于图核方法的图分类和基于图匹配的图分类. 第 3 节介绍并分析了基于图神经网络的图分类方 法. 第 4 节关注图分类方法的评价, 包括图分类的数据集, 评价指标和一些典型方法的效果对比分析. 第 5 节汇总 了图分类在各个领域的应用场景并给出未来可能的研究趋势. 最后一节总结全文.

 

内容中包含的图片若涉及版权问题，请及时与我们联系删除