Subgraph / Graph

在图机器学习（Graph Machine Learning）中，有些任务需要识别和增强子图结构，例如图解释学习等；而有些任务则是在图与图之间的规模上进行机器学习，例如图分类任务等。在子图/图视角下的图数据增强通常涉及三个方面：子图的采样、子图的替换、图的重连；研究人员也提出一系列重要的子图概念，例如 rationale、motif 等

• 子图的替换 subgraph replacing：通过子图的替换来构造出新的图；
• 图采样 graph sampling：通常通过随机游走等策略采样出部分子图来进行特定任务；
• 图重连 graph rewiring：通过重连图达到更新增强图的拓扑结构的目的，以实现清洗图数据等任务；