【图神经网络】图分类学习研究综述[2]：基于图神经网络的图分类

论文阅读：基于GNN的图分类学习研究综述

摘要：本文首先给出图分类问题的定义和该领域的挑战；然后梳理分析了两类图分类方法——基于图相似度计算的图分类方法和基于图神经网络的图分类方法；接着给出了图分类方法的评价指标、常用数据集和实验结果对比；最后介绍了图分类常见的实际应用场景，展望了图分类领域的未来研究方向并对全文进行总结。

关键词：图分类、图核、图卷积；图池化；图神经网络

---

3. 基于图神经网络的图分类

基于图核方法通常依赖于一组固定特征，其特征表示难以有效地适应于新的数据分布。本文重点关注基于图神经网络的图分类方法，这类方法通过端到端的方式进行模型的优化学习，为图分类的准确率带来了较大的提升。

应用于图像分类任务的传统卷积神经网络，主要包括卷积和池化两个操作，这两个操作依赖于图像数据的结构规则性和平移不变性。但不同于图像数据，图数据是非欧数据，同一个数据集中的每个图大小不同，结构不一。图中的每个节点也具有不同的局部结构