Distributional Shortest-Path Graph Kernels

Wei Ye

doi:10.1109/TKDE.2025.3606566

Distributional Shortest-Path Graph Kernels

0

PRE

AI

DOI：10.1109/TKDE.2025.3606566

原文链接

原文求助

摘要

En 中文

传统最短路径图核为每个图生成一个直方图式的特征图，其元素表示该图中非同构最短路径的出现次数。这种直方图式的特征图不包含图内和图间的最短路径分布信息，导致图相似度计算不准确。为此，我们提出了一种新型图核——分布式最短路径（DSP）图核，以融合这两种分布信息。由于子结构（如最短路径）的分布遵循与自然语言中词语分布类似的幂律分布，我们利用神经语言模型学习每个节点的分布式最短路径特征图，涵盖每个图中最短路径的分布和依赖关系。此外，我们设计了划分核（PK）以捕获数据集中最短路径的全局分布信息。PK将相似（即属于同一划分）的分布式最短路径节点特征图投影到再生核希尔伯特空间中的同一点。最后，应用核均值嵌入（KME）计算图特征图，并高效构建DSP图核。实验结果表明，DSP在大多数基准数据集上优于现有最先进的图核。

Keyword:

Shortest path

graph kernels

partition kernel

neural language models

transformer

Distributional Shortest-Path Graph Kernels

摘要

期刊

机构

引用论文