关键词graph-level classification
搜索结果 - 3
- 基于结构知识精细化的图级蛋白质表示学习
本文提出了一种名为 “结构知识细化” 的新框架,用于在无监督的情况下学习整个图形级别的表示,该框架通过数据结构确定一对数据是否为正或负,并通过直观观察和实验证明了其在图形级别分类任务上优于大多数最先进的对照方法。
- 将成员推理攻击应用于 GNN 图分类:方法和影响
本论文针对图神经网络的成员推断攻击扩展到了整个图记录的成员推断,通过不同的攻击能力实现了两种攻击类型:基于训练的攻击和基于阈值的攻击,并在七个真实数据集中使用五种代表性的 GNN 模型进行了全面的实验评估,结果表明我们的攻击方法是有效的,对 - 药物发现中的图级表示学习
本文提出了一种新的方法,使用具有所有节点连接的虚拟超级节点来表示整张图并改进图像运算以帮助超级节点学习整体特征,同时采用集中损失来处理药物数据集中的类别不平衡问题。该方法显著提高了小分子属性预测的性能。