基于结构感知的多图学习方法

多图学习是一种非常重要的学习范式.与多示例学习相比,在多图学习中包表示一个对象,包中的每一个图对应一个子对象.这种数据表示方法能够表达子对象的结构信息.但是,现有的多图学习方法不仅隐含假设包内的图满足独立同分布,而且多采用将多图学习问题转变为多示例学习问题的技术思路.这类多图学习方法容易损失图自身及图间的结构信息.针对上述问题,本文提出一种基于结构感知的多图学习方法,有效学习图自身和图间的结构信息.该方法利用图核,通过计算图之间的相似度保留图自身的结构信息,通过生成包级图表达图间的结构信息,并且设计包编码器有效学习图间的结构信息.在NCI(1)、NCI(109)和AIDB三个多图数据集上的实验结果表明,所提方法相较于现有方法在准确率、精确率、F1值和AUC上分别平均提高了5.97%、3.44%、4.48%和2.56%,在召回率上平均降低了2.12%.