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

笔记(五)-传统图机器学习的特征工程-全图_第1张图片

2、全图信息种类

Bag-of-Nodes

笔记(五)-传统图机器学习的特征工程-全图_第2张图片

Bag-of-Nodes degrees

笔记(五)-传统图机器学习的特征工程-全图_第3张图片
-就是找同分异构体

笔记(五)-传统图机器学习的特征工程-全图_第4张图片

-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

笔记(五)-传统图机器学习的特征工程-全图_第5张图片

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

笔记(五)-传统图机器学习的特征工程-全图_第6张图片

-子图匹配是一个需要较大消耗

笔记(五)-传统图机器学习的特征工程-全图_第7张图片

Color Refinement

笔记(五)-传统图机器学习的特征工程-全图_第8张图片

笔记(五)-传统图机器学习的特征工程-全图_第9张图片

Weisfeiler-Lehman Kernel

-多次迭代哈希操作

-时间复杂度是线性的

笔记(五)-传统图机器学习的特征工程-全图_第10张图片

笔记(五)-传统图机器学习的特征工程-全图_第11张图片

笔记(五)-传统图机器学习的特征工程-全图_第12张图片

笔记(五)-传统图机器学习的特征工程-全图_第13张图片

笔记(五)-传统图机器学习的特征工程-全图_第14张图片

你可能感兴趣的:(笔记)