ScholarGate
دستیار
Machine learningGraph mining

هسته‌های گراف

هسته‌های گراف، توابع هسته مثبت نیمه معین هستند که با مقایسه ساختارهای زیرین مشترک - مانند گشت‌های تصادفی، کوتاه‌ترین مسیرها، یا الگوهای زیردرخت - شباهت بین دو گراف را اندازه‌گیری می‌کنند. این هسته‌ها که در سال ۲۰۱۰ توسط ویشواناتان، شروادولف، کندور و بورگ‌واردت در یک چارچوب یکپارچه معرفی شدند، روش‌های هسته و داده‌های ساختاریافته گراف را به هم پیوند می‌دهند و به الگوریتم‌هایی مانند SVM اجازه می‌دهند تا مستقیماً روی گراف‌ها عمل کنند بدون اینکه نیازی به مرحله بردارسازی صریح باشد.

باز کردن در MethodMindبه‌زودیویدیوبه‌زودیDownload slides

مطالعهٔ کامل روش

ویژهٔ اعضا

برای خواندن این بخش با حساب رایگان وارد شوید.

ورود

Method map

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

منابع

  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

نحوهٔ استناد به این صفحه

ScholarGate. (2026, June 2). Graph Kernels for Structured Data. ScholarGate. https://scholargate.app/fa/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). بازیابی‌شده در 2026-06-15 از https://scholargate.app/fa/network-analysis/graph-kernels · مجموعه‌داده: https://doi.org/10.5281/zenodo.20539026