GHashing: Semantic Graph Hashing for Approximate Similarity Search in Graph Databases图哈希

文章标题：GHashing: Semantic Graph Hashing for Approximate Similarity Search in Graph Databases
文章来源： KDD '20: The 26th ACM SIGKDD Conference on Knowledge Discovery and Data Mining, Virtual Event, CA, USA, August 23-27, 2020. ACM 2020
作者：Zongyue Qin Peking University Beijing, China qinzongyue@pku.edu.cn
Yunsheng Bai UCLA Los Angeles, CA, US yba@cs.ucla.edu
Yizhou Sun UCLA Los Angeles, CA, US yzsun@cs.ucla.edu

文章简介：
由于“基于图编辑距离的相似性搜索问题”中，使用“过滤+验证”的方法无法伸缩到大规模数据库（百万级别的，比如一个图数据集有500万个图数据）。作者提出了使用“神经网络”的方法，解决这个问题。具体的步骤主要分为两个阶段：离线阶段和在线阶段。在离线阶段，通过学习的方法，设计“离线索引”。 在线阶段，通过这个离线索引进行两次验证。本文和传统方法的主要区别：1. 不管数据量多大，都可以完成相似搜索任务。但是结果是近似的。2. 离线阶段使用“学习方法”， 学习出哈希函数构造离线索引。3. 构造理想的数据集。

个人觉得工作的不足之处：
使用“神经网络”的新方法解决大规模图数据中的相似性搜索问题，这个角度很新颖。但是问题是，“大规模数据”是如何产生的？文章分析了AIDS数据的特征：由于AIDS共有月4万个数据，那么共4*(4-1)/2=6万个图数据对。经过作者的计算，6万个图对中仅仅由千分之五（0.5‰），即仅30对之间的GED小于7。作者认为相似的图太少了，于是进行数据合成。构造的数据本来就不符合实际图集的特征，这种模拟的方法，适合图数据吗？

参考文献：

1. 图卷积层[原文参考文献12]
2. 图池化层[原文参考文献3]