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。