ysig/GraKeL

해결하는 문제

GraKeL은 두 그래프 간의 유사도를 측정하는 데 사용되는 그래프 커널을 계산하기 위한 통합 Python 라이브러리를 제공합니다. 이를 통해 복잡한 그래프 구조 데이터가 표준 기계 학습 알고리즘 내에서 효과적으로 활용될 수 있습니다.

작동 방식

이 라이브러리는 단순한 정점 및 엣지 히스토그램부터 Random Walk, Weisfeiler-Lehman, Multiscale Laplacian 커널과 같은 더 복잡한 방법까지 16가지의 다양한 그래프 커널과 2가지 프레임워크를 구현합니다. scikit-learn 파이프라인과 호환되도록 설계되어 사용자가 이러한 유사도 측정을 ML 워크플로에 직접 통합할 수 있습니다.

대상 사용자

그래프 구조 데이터를 다루며 그래프 비교와 기계 학습 적용에 표준화된 방법이 필요한 연구자와 개발자를 대상으로 합니다.

주요 특징

• 방대한 라이브러리: 16개의 확립된 그래프 커널과 2개의 프레임워크를 포함합니다.
• scikit-learn 통합: ML 알고리즘에 쉽게 통합할 수 있도록 scikit-learn 파이프라인과 완전히 호환됩니다.
• 다양한 구현: 최단 경로, 그래플릿 샘플링, 이웃 해싱 등 다양한 커널을 지원합니다.