ysig/GraKeL

解決的問題

GraKeL 提供了一個統一的 Python 函式庫，用於計算圖核（graph kernels），這些圖核用於衡量兩個圖之間的相似度。這使得複雜的圖結構資料能夠在標準機器學習演算法中有效使用。

運作方式

該函式庫實現了 16 種不同的圖核和 2 種框架，範圍從簡單的頂點和邊直方圖到更複雜的方法，如隨機遊走（Random Walk）、Weisfeiler-Lehman 和多尺度拉普拉斯（Multiscale Laplacian）圖核。它旨在與 scikit-learn 管線相容，讓使用者能夠將這些相似度度量直接整合到機器學習工作流程中。

適用對象

旨在為處理圖結構資料的研究人員和開發人員提供標準化的方法來比較圖並應用機器學習。

亮點

• 廣泛的函式庫：包含 16 種成熟的圖核和 2 種框架。
• Scikit-learn 整合：與 scikit-learn 管線完全相容，便於整合到機器學習演算法中。
• 多樣化的實現：支援多種核，包括最短路徑、圖元取樣（graphlet sampling）和鄰域雜湊（neighborhood hashing）。