[SIGMOD 2022]Neural Subgraph Counting with Wasserstein Estimator
总结先为query筛选候选的data点,再得到data图的候选子图,再根据候选情况建立两图之间的关联,内部图外部图同时进行GNN,损失函数里除了常规目标再加个WD拉近匹配的距离。问题定义对于查询图qqq和数据图GGG,V(q),V(G)V(q),V(G)V(q),V(G)表示图里的点,E(q),E(G)E(q),E(G)E(q),E(G)表示图里的边,还有一个共同的标签函数flf_lfl定义查询图