从具有结构变异的图中学习
机器学习
2018-07-02 v1 数据结构与算法
机器学习
摘要
我们研究图数据中结构变异对图核预测性能的影响。为此，我们引入GraphHopper核的一种新颖的、对噪声鲁棒的适配版本，并在基准数据上验证它，在一系列数据集上获得了适度提升的预测性能。接下来，我们考察最先进的Weisfeiler-Lehman图核在逐渐增加合成结构误差下的表现，发现引入误差的影响强烈依赖于数据集。
引用
@article{arxiv.1806.11377,
title = {Learning from graphs with structural variation},
author = {Rune Kok Nielsen and Andreas Nugaard Holm and Aasa Feragen},
journal= {arXiv preprint arXiv:1806.11377},
year = {2018}
}
备注
Presented at the NIPS 2017 workshop "Learning on Distributions, Functions, Graphs and Groups"