利用图距离聚类图

Question

我现在要做的是：

1. 训练了GNN，看看哪些图被错误地与基本事实相比较。
2. 使用GNN解释模型，通过检查错误标签实例来帮助解释哪个最小子图负责错误标记。
3. 使用networkx中的graph_edit_distance来查看这些图与另一个图的区别程度。
4. 看我是否能找到集群来解释为什么GNN可能会错误地标注一些图。

这听起来合理吗？我该怎么绕开第四步？我会用像sklearn_extra.cluster.KMedoids这样的东西吗？

感谢所有的帮助！

Answer 1

使用来自networkx的graph_edit_distance来查看这些图与另一个图的区别程度。

猜测这给出了任意一对图的一个数字。

问题是，这个数字是朝哪个方向？有多少个维度(方向)？假设两个图与第三个图的距离相同。这是否意味着这两个图是相近的，在离第三个图很远的地方形成了一个簇呢？

如果您对上一段中的问题有答案，那么KMeans算法可以为尽可能多的维度找到集群。它速度快，易于编写，通常得到满意的结果。https://en.wikipedia.org/wiki/K-means_clustering