广义路径袋形式下图上协方差与相关系数核
机器学习
2021-08-24 v4 机器学习
摘要
本工作推导了在依据一般路径权重（路径袋）从网络中采样路径时，节点共现期望与节点共出现次数期望的闭式表达式。其基本思想是：当两个节点经常（ preferably 短）网络路径上共同出现时，即被视为相似。针对常规路径与命中路径分别得到不同表达式，并作为计算节点间新协方差与相关性度量的基础，这些度量构成图上有效的半正定核。在半监督分类问题上的实验表明，所引入的相似性度量相较于其他最先进的节点间距离与相似性度量提供了具有竞争力的结果。
引用
@article{arxiv.1902.03002,
title = {Covariance and Correlation Kernels on a Graph in the Generalized Bag-of-Paths Formalism},
author = {Guillaume Guex and Sylvain Courtain and Marco Saerens},
journal= {arXiv preprint arXiv:1902.03002},
year = {2021}
}