计算机应用研究

作者：庞俊,闫炳鑫,林晓丽,王蒙湘,

单位：1.武汉科技大学计算机科学与技术学院,武汉430065；2.智能信息处理与实时工业系统湖北省重点实验室,武汉430065；3.中国标准化研究院,北京100088；

关键词：图编辑距离,图相似度,图神经网络,图嵌入学习,

基金：国家自然科学基金资助项目(62372342,62372343)；湖北省自然科学基金资助项目(2024AFB865)；武汉科技大学“十四五”湖北省优势特色学科(群)项目(2023D0301)；中央级公益性科研院所基本科研业务费专项资金项目(602025Y-12515)；；

图编辑距离（GED）是一种常用的图相似性度量函数，其精确计算为NP-hard问题。因此，近期研究者们提出诸多基于图神经网络的图相似度计算方法。现有方法在特征提取时忽略了两个图节点之间的跨图交互信息，并且缺乏对图中节点高阶关系的学习。针对以上问题，提出了一种基于跨图特征融合和结构感知注意力的图相似度计算模型（cross-graph feature fusion with structure-aware attention for graph similarity computation，CFSA）。首先，该模型提出了一种跨图节点特征学习方法，引入跨图注意力机制提取节点的跨图交互信息，并将节点的局部特征和跨图交互特征进行有效融合；其次，提出了一种结构感知型多头注意力机制，结合节点特征信息和图结构信息，有效捕捉节点间的高阶关系。在三个公共数据集上的实验结果表明，CFSA模型的预测准确率相较于现有模型分别提升4.8%、5.1%、15.8%，且在大多项性能指标上均有优势，证明了CFSA在GED预测任务上的有效性和效率。

来源：2025年第8期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2025年第8期