一种面向无属性图的层次传递对齐图核
社会与信息网络
2020-02-12 v1 机器学习
摘要
在本文中，我们开发了一种新的图核，即层次传递对齐核，通过一族层次原型图在图之间传递对齐顶点。与大多数现有的最先进图核相比，所提出的核具有三个理论优势。首先，它将图之间的位置对应信息纳入核计算，从而克服了大多数R-卷积核中出现的忽略结构对应关系的缺点。其次，它保证了对应信息之间的传递性，而大多数现有的匹配核不具备该性质。第三，它将比较中所有图的信息纳入核计算过程，从而封装了更丰富的特征。通过转导训练C-SVM分类器，实验评估证明了新的传递对齐核的有效性。所提出的核在标准基于图的数据集上就分类精度而言优于最先进的图核。
引用
@article{arxiv.2002.04425,
title = {A Hierarchical Transitive-Aligned Graph Kernel for Un-attributed Graphs},
author = {Lu Bai and Lixin Cui and Edwin R. Hancock},
journal= {arXiv preprint arXiv:2002.04425},
year = {2020}
}