面向子图匹配的神经图表示设计空间探索

基于摘要分析。本文研究子图匹配中的神经图表示与图间交互设计，主要面向知识图谱（KG）问答、分子设计、场景图以及代码和电路搜索等任务。研究将已有方法重构为统一设计空间，通过探索以往较少涉及的模块组合，分析哪些设计选择有利于匹配性能。 设计空间包含三个明确维度：查询图与语料图之间采用基于注意力还是基于软置换的交互；对齐节点还是边；以及如何通过最终评分网络整合图的神经表示。其贡献重点是系统比较与组合这些设计选择，而非摘要中已明确命名的单一新模型。作者报告，广泛实验中部分此前未探索的组合带来了较大性能收益，并据此总结图表示与交互的一般设计原则；但摘要未提供数据集、划分协议、基线、指标或具体收益数值，尚无法判断结论适用范围。实验协议、消融及统计信息尚未验证。 平台推测（待验证）：若 EEG 任务已将通道或脑区表示为图，并且目标确实包含局部连接模式匹配，节点与边对齐的设计比较可能具有参考价值。这一假设依赖查询图、候选图及匹配监督的明确构造，不能将一般 EEG 分类直接视为子图匹配。可参考图间交互与评分模块，但图构建、时序信息整合和监督目标需要改造；低信噪比、跨被试连接差异、通道不一致及小数据都可能使对齐不稳定。一个可证伪的小实验是在固定 EEG 图构建和跨被试划分下，仅比较节点对齐与边对齐，并与不含图间交互的基线对照，检验收益是否稳定。上述属于迁移假设，原摘要未提供 EEG 或 BCI 验证，已有 EEG 相关工作尚未检索确认。