딥 그래프 커널

본 논문에서는 최신 언어 모델링 및 딥 러닝의 발전에서 영감을 받아 그래프의 하위 구조에 대한 잠재 표현을 학습하기 위한 통합 프레임워크인 딥 그래프 커널을 제안합니다. 우리의 프레임워크는 하위 구조 간의 의존성 정보를 활용하여 그들의 잠재 표현을 학습합니다. 우리는 그래프릿 커널, 와이즈파일러-레흐만 서브트리 커널, 최단 경로 그래프 커널의 세 가지 인기 있는 그래프 커널에 대한 프레임워크의 사례를 보여줍니다. 여러 벤치마크 데이터셋에 대한 우리의 실험 결과, 딥 그래프 커널은 최신 그래프 커널에 비해 분류 정확도에서 심각한 개선을 달성했습니다.