[论文解读] Hyperparameter-free and Explainable Whole Graph Embedding

Hao Wang, Yue Deng+2 more|arXiv (Cornell University)|Aug 4, 2021

Complex Network Analysis Techniques参考文献 52被引用 6

一句话总结

该论文提出DHC-E，一种无需超参数调优且可解释的全图嵌入方法，利用DHC定理（度数、H指数、核心度）与香农熵，将图结构压缩为一维熵序列。该方法在图分类与低维可视化任务中均达到最先进性能，且在分子、社交及脑网络等多种复杂网络中展现出优异的稳定性与效率。

ABSTRACT

Graphs can be used to describe complex systems. Recently, whole graph embedding (graph representation learning) can compress a graph into a compact lower-dimension vector while preserving intrinsic properties, earning much attention. However, most graph embedding methods have problems such as tedious parameter tuning or poor explanation. This paper presents a simple and hyperparameter-free whole graph embedding method based on the DHC (Degree, H-index, and Coreness) theorem and Shannon Entropy (E), abbreviated as DHC-E. The DHC-E can provide a trade-off between simplicity and quality for supervised classification learning tasks involving molecular, social, and brain networks. Moreover, it performs well in lower-dimensional graph visualization. Overall, the DHC-E is simple, hyperparameter-free, and explainable for whole graph embedding with promising potential for exploring graph classification and lower-dimensional graph visualization.

研究动机与目标

• 为解决现有全图嵌入方法存在的超参数调优复杂与可解释性差等局限性。
• 开发一种简单但有效的图嵌入方法，适用于生物学、社会科学与神经科学等跨学科研究。
• 实现无需参数优化即可在多种网络类型中保持鲁棒且稳定的图分类性能。
• 通过在紧凑且可解释的特征空间中保留结构差异，支持低维图可视化。
• 为未来神经发育障碍（如自闭症）研究提供一个脑形态网络基准数据集。

提出的方法

• DHC-E方法整合广义DHC定理，通过迭代计算度数、H指数与核心度，揭示图的分层结构组织特征。
• 在DHC过程的每一轮迭代中，该方法计算度数分布的香农熵，生成一系列熵值，用以表示不同尺度下的结构信息。
• 所得熵序列构成一维嵌入向量，捕捉整个图的固有拓扑复杂性。
• 随着DHC过程趋近核心度，熵序列自然收敛，信息含量逐步降低，从而实现简洁性与表征能力之间的合理权衡。
• 该方法本质上无需超参数，仅依赖图的拓扑结构，无需用户定义参数。
• 通过主成分分析（PCA）对DHC-E特征进行进一步处理，实现二维可视化，支持按结构类别对图进行聚类。

实验结果

研究问题

• RQ1 能否设计一种全图嵌入方法，在保持高性能图分类能力的同时，实现无需超参数调优且具备可解释性？
• RQ2 在分类准确率、稳定性与计算效率方面，DHC-E方法相较于当前最先进全图嵌入模型表现如何？
• RQ3 DHC-E嵌入能否在低维空间中有效表征并区分不同类型复杂网络（包括脑网络）？
• RQ4 DHC-E方法通过其熵序列是否能提供有意义的结构洞见，特别是在核心度与网络层级结构方面？
• RQ5 DHC-E能否用于构建神经科学中图基分析的可靠基准数据集，尤其在自闭症谱系障碍（ASD）研究中？

主要发现

• DHC-E在性能与简洁性之间实现了最佳综合平衡，在四类评估方法中于多样化数据集上的分类准确率排名第一。
• 该方法表现出强稳定性，三个基准数据集的熵序列方差分别为0.005、0.008与0.011，表明性能高度一致。
• 在时间复杂度方面排名第二，耗时比Graph2vec多69.23%，但比IGE与GL2vec分别少150.13%与1520.47%。
• 通过PCA进行二维可视化时，DHC-E特征成功按图类型聚类——如小世界网络、无标度网络、随机网络与ASD脑网络——证明其具备有效的形态表征能力。
• 该方法成功应用于区分自闭症谱系障碍（ASD）脑网络与典型对照组，验证了其在神经科学研究中的实用价值。
• 作者已在GitHub上发布Python、MATLAB与Julia语言的完整开源实现，并提供详尽文档，支持可复现性与广泛应用。