本文对深度图相似性学习的现有文献进行了综述和分类，讨论了方法和应用的挑战和未来方向。

Dec, 2019

本文提出了在大规模图中构建子图词汇表，以及如何通过在词汇表中的子图减少总体描述长度的方式对图形进行描述，并提出了一个高效算法，以便应用于像 Flickr 和 Norte Dame 网站这样的多百万边实际应用中。

Jun, 2014

本文提出一种基于负曲率流形上概率分布的统计方法，用于比较网络和评估网络之间的差异。作者还在模拟网络上进行了实现和测试。

Nov, 2014

研究了细胞网络的相似性计算问题，提出了一种基于图形小连通子图度分布的新颖结构度量方法，可以更好地模拟生物网络建模。

Jan, 2009

本论文提出了一种基于图表达的文本相似性和差异性总结方法，使用 “spreading activation” 技术在两个相关文档中发现与主题语义相关的节点，并将两个文档的激活图匹配以获得相似和不同之处的图。

Dec, 1997

提出了一种新的网络比较度量 —— 网络画像差异，该方法可以比较各种类型的网络并揭示多层和时间网络的重要特征。

Apr, 2018

本文介绍了 GraphSim 模型，该模型从直接匹配两组节点嵌入的角度解决了图相似性计算问题，获得了在四个真实世界图数据集上的最先进性能。

Sep, 2018

该研究使用最小描述长度标准和后验概率比方法，基于统计学推断从许多生成模型中选择最佳的模型，结果表明，节点内部的属性通常比群体属性更重要，度修正模型通常是大多数无权网络的最佳模型。

Sep, 2014

本文提出了两个关键性贡献：首先是演示了图神经网络如何训练并嵌入向量空间，以便有效地进行相似性推理；其次是提出了一种新的图匹配网络模型，通过新的跨图注意力匹配机制，在一对图之间共同推理，计算它们之间的相似度得分。在不同领域的实验分析表明，本文提出的模型不仅能够在相似性学习的上下文中利用结构，而且能够优于针对此类问题精心设计的基线系统。

Apr, 2019

本研究提出 NetSimile，一个能够快速评估不同网络相似性和提取描述性数字特征的方法，以在图挖掘中进行聚类、异常检测、可视化、网络转移学习和重新识别等任务中具有卓越的效果，并在多个合成和真实图表现出更好的性能表现。

Sep, 2012