使用图距离对图进行聚类

Question

我目前正在做的是：

1. 训练 GNN 并查看哪些图与基本事实相比被错误地标记。
2. 使用 GNN 解释器 model 通过检查错误的 label 实例来帮助解释导致错误标记的最小子图。
3. 使用 networkx 中的 graph_edit_distance 来查看这些图与另一个图的区别。
4. 看看我是否能找到有助于解释为什么 GNN 可能 label 某些图表错误的集群。

这看起来合理吗？ 在第 4 步附近，我将如何 go？ 我会使用类似 sklearn_extra.cluster.KMedoids 的东西吗？

感谢所有帮助！

Answer 1

使用 networkx 中的 graph_edit_distance 来查看这些图与另一个图的区别。

猜测这为您提供了任何一对图形的单个数字。

问题是：这个数字在哪个方向？ 有多少个维度（方向）？ 假设两个图与第三个图的距离相同。 这是否意味着两张图靠得很近，在距离第三张图很远的地方形成了一个簇？

如果您对上一段中的问题有答案，那么 KMeans 算法可以找到尽可能多的维度的集群。 它快速且易于编码，通常可以提供令人满意的结果。 https://en.wikipedia.org/wiki/K-means_clustering