About Graph Kernel

1.转载（有哪些指标可以描述两个图（graph）的相似度？ - 一个安静的胖子的回答 - 知乎

https://www.zhihu.com/question/57269332/answer/157375170）

Graph kernel

实际上 kernel method 在图结构中的研究主要有两类：

一是Graph embedding 算法，将图(Graph)结构嵌入到向量空间,得到图结构的向量化表示，然后直接应用基于向量的核函数(RBF kernel, Sigmoid kernel, etc.) 处理，但是这类方法将结构化数据降维到向量空间损失了大量结构化信息；

二是Graph kernel算法， 直接面向图结构数据，既保留了核函数计算高效的优点，又包含了图数据在希尔伯特高维空间的结构化信息，针对不同的图结构(labeled graphs, weighted graphs, directed graphs, etc.) 有不同的Graph kernel。

2.几种Kernel：

1）随机游走核：在两个graph上随机游走，计算核函数，比较相似性

2）最短路径核：先得到两个graph的最短路径连通图，再进行随机游走

3）基于子图（待看）

4）R-convolution kernels（待看）