通过图表示学习实现图数据上的交互式可视化模式搜索

基于摘要分析。本文研究由多个独立图组成的数据库中的示例驱动子图模式搜索，提出人参与回路的可视分析系统 GraphQ，并以节点对齐 GNN NeuroAlign 支持检索结果的验证与解释。主要研究对象是程序工作流和图像语义场景图，而非 EEG 或 BCI。 技术上，GraphQ 使用 GNN 将图编码为固定长度潜在向量，并在潜在空间进行子图匹配，以支持快速交互查询。由于匹配结果中的准确一对一节点对应仍较难获得，作者另提出 NeuroAlign 处理节点对齐。系统结合查询编辑器、多尺度结果可视化及用户反馈机制，允许用户通过追加约束细化检索结果。摘要未披露具体编码器结构、损失函数、训练监督或约束如何参与更新。 作者报告，在所述定量实验中，NeuroAlign 相对基线 GNN 的节点对齐准确率提升为 19–29%，相对组合算法的加速最高达 100 倍；摘要未明确前一数值的计算口径，不能将其改写为百分点，也不能假定两类比较采用相同设置。作者还通过程序工作流中可复用子例程分析、图像语义场景图搜索两个场景展示系统，并报告领域专家定性研究支持其有效性。数据集、图规模、划分、基线配置、计时条件、消融及统计信息尚未验证。 平台推测（待验证）：若 EEG 已被表示为脑连接图，可检验该机制能否辅助检索局部连接模式，并用节点对应解释结果。可复用的是图检索与人工核验流程；需改造的是节点和边的定义、通道对应约束及对噪声连接的处理。其可行性依赖可靠的图构建和节点对应监督，而摘要未明确原方法的监督需求。EEG 的低信噪比、跨被试连接差异、通道缺失及小数据可能使结构相似性偏离生理意义。一个小规模可证伪实验是在固定通道图上注入已知局部模式及不同程度的边扰动，比较潜在空间检索与组合匹配的检索正确性、节点对应准确率和耗时；这仅验证受控条件下的机制，不代表 BCI 有效性。已有 EEG 相关工作尚未检索确认。