笔记(五)-传统图机器学习的特征工程-全图

1、引言

-提取出的特征要能够反应全图结构特点

2、全图信息种类

Bag-of-Nodes

Bag-of-Nodes degrees


-就是找同分异构体

-和节点特征的子图不同的是

  • 可以存在孤立结点
  • 计算全图的子图个数,而不是特定邻域的子图个数

Graphlet kernel

-两个图作数量积,得到一个标量,可以反应两个图是否相近

-如果两个图比较相近,作均一化操作

-子图匹配是一个需要较大消耗

Color Refinement

Weisfeiler-Lehman Kernel

-多次迭代哈希操作

-时间复杂度是线性的

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值