ScholarGate
Assistent
Machine learningGraph mining

Graph Kernels for Structured Data

Föreställ dig två molekylära grafer. Istället för att platta ut varje molekyl till en vektor med fast längd, räknar en grafkärna hur många små strukturella motiv — kedjor av bindningar, ringmönster, lokala grannskap — de två molekylerna delar. Ju fler strukturella fragment de har gemensamt, desto mer lika bedöms de vara. Denna räkning sker implicit, så även mycket stora funktionsrymder förblir beräkningsmässigt hanterbara.

Öppna i MethodMindSnartVideoSnartDownload slides

Läs hela metoden

Endast för medlemmar

Logga in med ett kostnadsfritt konto för att läsa avsnittet.

Logga in

Method map

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

Källor

  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

Så citerar du den här sidan

ScholarGate. (2026, June 2). Graph Kernels for Structured Data. ScholarGate. https://scholargate.app/sv/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). Hämtad 2026-06-15 från https://scholargate.app/sv/network-analysis/graph-kernels · Datamängd: https://doi.org/10.5281/zenodo.20539026