子图形2vec swMATH ID: 36496 软件作者： Annamalai Narayanan、Mahinthan Chandramohan、Lihui Chen、Yang Liu、Santhoshkumar Saminathan 描述： subgraph2vec：从大型图中学习有根子图的分布式表示。在本文中，我们提出了subgraph2vec，这是一种从大型图中学习有根子图的潜在表示的新方法，其灵感来自于深度学习和图核的最新进展。这些潜在表示在连续向量空间中编码语义子结构依赖，这很容易被统计模型用于图分类、聚类、链接预测和社区检测等任务。subgraph2vec利用从节点邻域获得的本地信息，以无监督的方式学习节点的潜在表示。我们证明，通过我们的方法学习的子图向量可以与分类器（如CNN、SVM和关系数据聚类算法）结合使用，以获得显著优越的精度。此外，我们还证明了子图向量可以用于构建Weisfeiler-Lehman图核的深度学习变体。我们在几个基准和大规模真实数据集上的实验表明，相对于现有的图核，subgraph2vec在有监督和无监督学习任务上的准确性都有显著提高。具体来说，在两个现实世界的程序分析任务中，即代码克隆和恶意软件检测，subgraph2vec比最先进的内核性能好17个以上 主页： https://arxiv.org/abs/1606.08928 源代码： https://github.com/MLDroid/subgraph2vec_gensim 依赖项： 蟒蛇 关键词： 机器学习；arXiv_cs。LG公司；人工智能；arXiv_cs。人工智能；密码学；安全；arXiv_cs。CR公司；arXiv_cs。东南方；子图；图形内核；深度学习；表征学习 相关软件： 节点2vec；蟒蛇；快速DTW；RolX公司；结构2vec；SchNet公司；AFGen公司；伦敦银行支持向量机；DeepWalk公司；单词2vec；线路；graph2vec（图形2vec）；t-SNE公司 引用于： 2文件 标准条款 1出版物描述软件 年份 subgraph2vec：从大型图学习有根子图的分布式表示arXiv公司Annamalai Narayanan、Mahinthan Chandramohan、Lihui Chen、Yang Liu、Santhoshkumar Saminathan 2016 全部的 前5名7位作者引用 1 Jason J.Jung。 1 克里斯汀·克斯汀 1 尼尔斯·克里格。 1 Lee，O-Joun李，O Joun 1 克里斯托弗·莫里斯 1 佩特拉·穆策尔 1 马里恩·诺伊曼 2篇连载文章中引用 1 人工智能 1 数据挖掘与知识发现 在2个字段中引用 2 计算机科学（68至XX） 1 组合数学（05-XX） 按年份列出的引文