graph-classification

本文提出一种K跳高斯（KHG）扩散核，作为图神经网络的预处理模块，平衡局部和全局信息传播，以缓解过度平滑和信息瓶颈问题。实验表明，相比传统的消息传递图神经网络和现有扩散核，该方法在噪声或结构复杂的图上取得了显著改进。

本文首次提出在严格黑盒约束下对图分类的模型提取攻击，利用子图解释来估计决策边界。研究结果表明，强制性的可解释性接口在**图神经网络**服务中造成了可被利用的安全漏洞。

本文介绍了 PathBoost，这是一种用于图级预测的梯度树提升方法，它使用基于路径的特征与图神经网络竞争，同时提供更好的可解释性。