研究人员开发了一种将图结构数据嵌入向量空间的新方法，该方法同时考虑了节点特征和图拓扑。这种方法产生了一种新颖的图距离指标，称为线性FGW，它由其嵌入之间的欧氏距离定义。线性FGW距离在能够结合节点特征和图结构进行基于核的框架内的相似性测量方面具有优势，并且与现有的融合Gromov-Wasserstein等方法相比，它显著加快了计算速度，使其适用于大规模数据集。在分类和聚类任务上的实验结果证明了这种新距离指标的有效性。 AI
影响 这种新的距离指标可以提高涉及图数据的机器学习任务（如分类和聚类）的效率和有效性。
排序理由 该集群包含一篇学术论文，详细介绍了图结构数据的新方法和距离指标。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
