《表1 数据集介绍：多层特征动态加权图卷积网络》

  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

《多层特征动态加权图卷积网络》

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

为了验证本文所提模型的性能，本文将所提的方法在四个数据集[18]（IMDB-BINARY，MUTAG，PROTEINS，PTC）上进行比较，其中，IMDB-BINARY这是一个电影数据集，共1000张图．其中每个节点表示演员，边代表着连接的两个节点也就是演员出现在同一部电影中，每一个图都有一个标注的属性（电影的类别，总共有两个类别），分类任务就是根据不同的节点和结构来判断图的种类；MUTAG是化学数据集，共188张图．它由芳胺和硝基杂芳环两类组成的，节点有7个离散的标签，来区别不同的元素，边代表着两个节点之间是否有化学键，分类任务为判别该化合物对细菌是否有诱变作用；PROTEINS为生物数据集，共1113张图．其中节点代表着有机物的结构，它有三种特征分别为helix（螺旋）、Turn（转角）、sheet（折叠）．边代表着节点间是否为氨基酸顺序．分类任务为判断蛋白质的二级结构预测；PTC数据集是一个化合物数据集，共344张图．节点代表不同的化学分子式（19种），边代表了他们之间是否有连接．任务为判断该化合物对鼠类是否具有致癌性质．数据集简要描述如表1所示．