《GCN图分类预测模型概述》8000字.docxVIP

GCN图分类预测模型概述

目录

TOC\o1-3\h\u11129GCN图分类预测模型概述 1

275221.1图分类 1

130021.1.1基于全局池化的图分类 2

288611.1.2基于图塌缩池化的图分类 3

157961.1.3基于边收缩池化的图分类 5

153121.1.3基于TopK池化的图分类 6

261521.2多层级图卷积神经网络预测模型 7

158811.2.1图卷积层 7

89201.2.2图池化层 8

70491.2.3全连接层 9

140271.2.4模型相关参数选择 9

94671.3应用于课题存在的问题 12

273201.1.1忽略官能团结构 12

143461.1.2缺乏足够的有效数据 13

179611.1.3难以分析模型不确定性 13

1.1图分类

图分类问题是非常重要的图层面学习任务。要对每张图有一个全局信息的认识。给定多张图，以及每张图对应的标签，图分类模型需要学习到一个从图到相应的标签的对应方式。本质上，即需要重点关注如何通过学习得到一个可表示全图的向量。

类比于欧式空间中的分类任务，如视觉图像分类，其都需要对全局的信息进行融合表示。CNN的做法是通过池化（Pooling）机制提取全局信息。由于图像数据为规则