图相似性中的图核方法综述 (A Survey for Graph Kernels for Graph Similarity)
Graph Kernel是一种用于度量图结构相似性的方法。在机器学习和数据挖掘领域，图是一种常见的数据表示形式，用于描述实体(顶点)之间的关系(边)。图核方法通过将图数据转换为数学形式，以便在图上应用传统的机器学习算法，如支持向量(SVM)和核主成分分析(KPCA)。
图核的核心思想是将图之间的相似性度量转化为核函数。核函数是一种可以计算两个数据点之间内积的函数。这使得我们可以在更高维的特征空间中进行计算，从而捕捉到更为复杂的模式。
A-Survey-on-Graph-Kernels