读《Learning Representations of Graph Data -- A Survey》

4 核方法

定义映射k，输入一对集合X,Y的笛卡尔积
x,y∈X,Y，有k(x,y)
对称性
正定性：若kij=k(xi,xj)正定，即对任意系数ci,cj，对cicjk(xi,xj)的连加不小于0（这不是半正定吗？而且正定有啥用来着，为啥有这种需求）

4.1 图的核方法

结构袋Bag-of-Structures方法

图核k(G, G′)记作两图特征向量的积

现有图核均是基于R卷积核（这里的R指关系，应该是来自计算理论基础或者离散数学的定义）

可分为图上核和图间核

4.1.1 路径核

随机游走核 [41]
——————
最短路径核[44]
——————
环模式核[45]

4.1.2 子树核

子树核[46]
——————
WL核[48]

4.1.3 子图核

（搞不明白子图和子树有什么区别）

5 图表示学习

5.1 核方法

深度图核 【68】

结构袋方法存在子结构依赖、子结构稀疏和对角优势的问题。
所以在两图特征向量之间再乘一个|S|x|S|的半正定矩阵（有点像在欧氏距离之间乘以一个协方差逆矩阵得到马氏距离）

核神经网络 【69】