【图神经网络】图分类学习研究综述[1]：图分类问题定义与基于图相似度的图分类

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

图数据 (graph data) 广泛地存在于我们的生活中，用于表示复合对象元素之间的复杂关系。例如社交网络，引文网络，生物化学网络，交通网络等。图上的研究问题包括节点分类，图分类，链路预测等。

本文主要关注图分类问题。给定一组图，图分类的目标是学习图和对应类别标签的映射关系，并预测未知图的类别标签。

• 在化学信息学中，通过对分子图进行分类来判断化合物分子