Графови ядра (Graph Kernels)
Графовите ядра са положително полудефинитни (positive semi-definite) функции на ядрото, които измерват сходството между два графа чрез сравняване на техните споделени подструктури — като случайни обхождания (random walks), най-кратки пътища (shortest paths) или поддървесни модели (subtree patterns). Въведени в унифицирана рамка от Vishwanathan, Schraudolph, Kondor и Borgwardt (2010), те свързват методите на ядрото с данни със структура на граф, позволявайки на алгоритми като SVM да работят директно върху графи, без да е необходима експлицитна стъпка на векторизация.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Източници
- Vishwanathan, S. V. N., Schraudolph, N. N., Kondor, R., & Borgwardt, K. M. (2010). Graph kernels. Journal of Machine Learning Research, 11, 1201–1242. link ↗
Как да цитирате тази страница
ScholarGate. (2026, June 2). Graph Kernels for Structured Data. ScholarGate. https://scholargate.app/bg/network-analysis/graph-kernels
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Графови невронни мрежиМрежови анализ↔ compare
- Вграждания на графи на знаниетоМрежови анализ↔ compare
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →