《表8 图分类不同模型结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《图卷积神经网络综述》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

（单位：%）

另外一个较为常见的基准任务为图分类任务，对于给定的图结构，每个图有一个标签，通过学习图结构的模式，达到图分类的任务．图分类的数据集[98]主要包括生物化学结构分类（如Enzymes、D&D、Proteins等）、社交网络分类（如Reddit-Multi-12k）和科学合作网络（如Collab）等．相关的数据集描述见表7．而不同的模型的分类结果见表8，图卷积神经网络相比传统的图核的方法，也取得了明显的提升．其中，DIFFPOOL相比Graphlet，在Enzymes、D&D、Proteins、Reddit-Multi-12k和Collab上，分别提升21.5%、5.80%、3.34%、25.35%和10.82%．图卷积神经网络在图节点分类和图分类的机器学习任务上相比传统的图表示学习和图核方法取得了效果上的明显提升．