摘要
一种基于量子熵图结构编码的分子性质预测方法,属于图表示学习领域。首先分别在节点子图和全图应用量子熵,解决了节点邻域结构和全局结构信息的捕获问题。其次对节点子图的补集使用量子熵,解决了定位节点全局位置的捕获问题。然后使用度量加权量子熵差异的霍尔沃量,综合三部分的熵并生成节点的量子熵结构编码。对于边的量子熵结构编码,本发明使用霍尔沃量度量删除该边后的图的量子熵与分子图的差异,以捕获边的邻域结构、全局结构、全局位置三方面信息。考虑到计算开销,本发明基于度序列设计了一种对图大小不敏感的近似算法,避免计算大规模图拉普拉斯矩阵全部特征值,以拓展到对大规模图的应用。
技术关键词
性质预测方法
分子
编码
计算方法
节点数
邻居
全局结构信息
近似算法
节点特征
拉普拉斯
规模
消息
邻域
度量
网络
特征值
理论
元素
序列