ScholarGate
Assistent
Machine learningGraph mining

Graphkernels

Graphkernels sind positiv semidefinite Kernfunktionen, die die Ähnlichkeit zwischen zwei Graphen messen, indem sie deren gemeinsame Unterstrukturen vergleichen – wie zum Beispiel Zufallspfade, kürzeste Pfade oder Teilbaum-Muster. Sie wurden von Vishwanathan, Schraudolph, Kondor und Borgwardt (2010) in einem vereinheitlichten Rahmen eingeführt und schlagen eine Brücke zwischen Kernelmethoden und graphenstrukturierten Daten. Dadurch ermöglichen sie Algorithmen wie Support Vector Machines (SVMs), direkt auf Graphen zu operieren, ohne einen expliziten Vektorisierungsschritt zu erfordern.

In MethodMind öffnenDemnächstVideoDemnächstDownload slides

Die vollständige Methode lesen

Nur für Mitglieder

Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.

Anmelden

Method map

The neighbourhood of related methods — select a node to explore.

Quellen

  1. Vishwanathan, S. V. N., Schraudolph, N. N., Kondor, R., & Borgwardt, K. M. (2010). Graph kernels. Journal of Machine Learning Research, 11, 1201–1242. link

So zitieren Sie diese Seite

ScholarGate. (2026, June 2). Graph Kernels for Structured Data. ScholarGate. https://scholargate.app/de/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.

Compare side by side
ScholarGateGraph Kernels (Graph Kernels for Structured Data). Abgerufen am 2026-06-15 von https://scholargate.app/de/network-analysis/graph-kernels · Datensatz: https://doi.org/10.5281/zenodo.20539026