数据：
我有某些数据，我决定将其表示为图表（我认为它会适合）。
所以我有加权图数据，其中包含每个节点的数字属性。（networkx图）。
每个图表代表一个会话。
每个会话标签要么是好 (1)，要么是坏 (0)。
使命：
我需要预测给定一个未标记的图，它是好 (1) 还是坏 (0)。
到目前为止我做了什么：
我已经制作了 ML 方法来计算这些图上的特征（使用 networkx 优秀的算法）。例如，我采用 networkx 算法来计算 betweenesss、degree_centrality、closeness_centrality 等
我收到了比目前可用的结果更好的结果（没有使用图表来表示数据）：F1-Score ~ 65%，ROC_AUC ~ 90%。
我的直觉：
也许我不应该随机选择 networkx 功能。如果我可以使用深度学习做一些更聪明的事情会怎样。模型应该了解坏图是什么样子，一个好图是什么样子，并做出分类
问题：
我不确定我的直觉是否正确。也许按原样提供图形不足以让模型学习。我觉得我需要关于这种方法的建议，尤其是以前的类似作品（如果有的话）。
相关前期工作
http://openaccess.thecvf.com/content_cvpr_2017/papers/Monti_Geometric_Deep_Learning_CVPR_2017_paper.pdf
http://proceedings.mlr.press/v48/niepert16.pdf
https://arxiv.org/pdf/1803.03324.pdf
https://arxiv .org/pdf/1709.05584.pdf
问题：
- 有没有人熟悉这些以前的工作/其他以前的工作的代码实现？
- 是否有人熟悉使用包含节点属性的加权图的方法？
- 你同意/不同意我的直觉吗？
- 您是否建议处理此问题的替代方法？（DL或不DL）
谢谢 ：）