ScholarGate
Assistent
Machine learningGraph mining

Grafkjernene

Grafkjernene er positivt semi-definite kjernefunksjoner som måler likheten mellom to grafer ved å sammenligne deres felles substrukturer – som tilfeldige vandringer, korteste stier eller subtre-mønstre. Introdusert i et enhetlig rammeverk av Vishwanathan, Schraudolph, Kondor og Borgwardt (2010), bygger de bro mellom kjernemetoder og grafstrukturerte data, noe som gjør at algoritmer som SVM-er kan operere direkte på grafer uten å kreve et eksplisitt vektoriseringstrinn.

Åpne i MethodMindSnartVideoSnartDownload slides

Les hele metoden

Kun for medlemmer

Logg inn med en gratis konto for å lese denne delen.

Logg inn

Method map

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

Kilder

  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

Slik siterer du denne siden

ScholarGate. (2026, June 2). Graph Kernels for Structured Data. ScholarGate. https://scholargate.app/no/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). Hentet 2026-06-15 fra https://scholargate.app/no/network-analysis/graph-kernels · Datasett: https://doi.org/10.5281/zenodo.20539026