用于图级预测的基于路径的梯度增强

arXiv:2605.08102v1 公告类型：新 摘要：我们提出了 PathBoost，一种用于图级分类和回归的梯度树增强方法，可直接从输入图结构中学习基于路径的判别性特征。 PathBoost 在针对特定化学应用量身定制的先前工作的基础上引入了三个关键扩展：（i）通过带有逻辑损失的梯度提升来适应二元分类，（ii）通过基于前缀的分解将多个节点和边缘属性合并到路径特征空间中，以及（iii）基于分类属性多样性的自动锚节点选择，无需用户指定所考虑的路径特征的起点。我们在几个基准数据集上将 PathBoost 与图神经网络和图核方法进行了比较，其中一半获得了更好的结果，其余的结果相当。 PathBoost 在平均节点数较大的图上显示出更好的性能。总的来说，结果表明基于路径的增强方法可以与更复杂的黑盒方法竞争。