
摘要
图核在过去十年中吸引了大量关注,并已成为结构化数据学习领域中迅速发展的分支。在过去的20年里,该领域的研究活动非常活跃,导致了数十种图核的开发,每种图核都专注于图的特定结构属性。图核已在从社交网络到生物信息学的广泛领域中证明了其成功性。本综述的目标是为图核文献提供一个统一的观点。特别是,我们对多种图核进行了全面概述。此外,我们在公开可用的数据集上对其中几种图核进行了实验评估,并提供了比较研究。最后,我们讨论了图核的关键应用,并概述了一些仍需解决的挑战。
基准测试
| 基准 | 方法 | 指标 |
|---|---|---|
| graph-classification-on-nci1 | CORE-WL | Accuracy: 85.12% |
| graph-classification-on-proteins | CORE-SP | Accuracy: 76.31% |