图能够表示真实世界中许多结构化的数据，图相似度问题是关于图结构的基础性问题，同时也是生命科学、药物研发、模式识别等计算机科学及其交叉领域的基础性问题。

在CVPR 2021中发表的新论文“Combinatorial Learning of Graph Edit Distance via Dynamic Embedding.”里，研究人员实现了借助计算机的高算力，自动计算得到图结构之间的相似度分数，在本文中，我们将主要关注图编辑距离，并对其进行进一步阐释。

实验结果 3个实验数据集分别是AIDS（分子），LINUX（二进制程序）和Willow-Cars（图像）。其中，AIDS与Willow-Cars较困难（AIDS的节点有类别之分、Willow-Cars的边有权重），LINUX较为简单（无类别的点、无权边）。在实验中，我们比较了现有的深度学习方法（表格上半部分）以及传统算法（表格下半部分）。可以看到，我们的算法保持了传统树搜索算法的高精度。

论文链接：https://arxiv.org/abs/2011.15039 代码链接：https://github.com/Thinklab-SJTU/ThinkML4CO

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