Convolutional Set Matching for Graph Similarity

1 A Multi-Scale Convolutional Model for Pairwise Graph Similarity

用graph edit distance作为metric。这个问题是NP-hard。

GSimCNN有这么几个连续的部分组成：1）Multi-Scale GNN，为两个graph生成node vector representation；2）Graph Interaction layer，计算两个graph之间所有node pair的inner product；3）CNN，将similarity转换为一个pattern recognition 问题。

1.1 Stage 1: Multi-Scale GCN Layers

单纯的multi-layer GCN。

1.2 Stage 2: Graph Interaction Layers

用了padding。

对于similarity matrix，会用CNN。因此使用bilinear interpolation，是一个image resampling计算，将每一个similarity matrix进行resize。最终similarity matrix有固定的大小 $$M\times M$$。

1.3 Stage 3: CNN and Dense Layers

套上CNN。