论文通过提出基于子图匹配的图内核来解决无属性子图匹配内核所面临的属性不匹配的问题，并通过灵活的打分方案对子图匹配进行评分。作者还提出了用于计算内核的图论算法，并在对真实世界图进行分类任务时取得了鼓舞人心的实验结果。

Jun, 2012

基于正半定函数的优化算法，采用组合图像分析方法和最优双射算法，提出了基于结构化图数据的Weisfeiler-Lehman优化分配核，有效提高了常规的Weisfeiler-Lehman核图像分类准确率。

Jun, 2016

本文介绍了一种名为hash graph kernels的方法，可以将离散标签的图形核扩展到包含连续属性的图。该方法通过随机的哈希函数将连续属性迭代地转换成离散标签，并在Weisfeiler-Lehman子树核和最短路径核的基础上展示了其优越性能和扩展性。

Oct, 2016

提出基于随机游走返回概率的图核计算框架，使用各种节点属性进行有效利用，并在广泛的图分类实验中证明了其显著优越性。

Sep, 2018

本文介绍了一种简单但有效的图形表示方法，并探讨了其在图形分类中的应用。该表示方法在非属性图形分类中取得与最先进的图形核和图形神经网络类似的表现，但在属性图形分类中表现稍弱。文中强调了需要更全面的基准数据集来评估和分析不同的图形学习方法，并认为我们提供的图形表示方法是未来图形分类（甚至其他图形学习）研究的良好基准方法。

Nov, 2018

通过将图构建和核学习统一框架，可以通过彼此迭代的方式增强图及共识核，而我们提出了一种学习低秩核矩阵的方法，从候选核之间的邻域中寻找最优核矩阵，进而解决了现有多核学习算法中的一些问题，并得到了验证。

Mar, 2019

这篇综述文章介绍了在结构化数据学习中，图核函数及其相关发展十分引人瞩目和广泛应用。文章总结了近二十年来发展出的几十种图核函数，介绍了图核函数在社交网络及生物信息学等领域的成功应用，并提供了一些有关图核函数的应用和挑战的讨论。

Apr, 2019

本文介绍了一种多层图形核的家族，并建立了图卷积神经网络与核方法之间的新联系。利用核特征图形的序列表示图形数据，从而将卷积核网络推广到了图形结构数据，实现了高效的数据表示和训练。在多个图形分类基准测试中，该方法实现了竞争性的性能，同时提供了简单的模型解释。

Mar, 2020

该论文综述了现有的图内核方法，包括其应用、软件和数据资源，以及现阶段最先进的图内核进行的实证比较，以解决图形相似度评估问题，进而在分类和回归模型中进行预测。

Nov, 2020

利用表示学习技术，我们研究了图内同构数量计算问题并探索了图核心技术在此问题中的潜力，通过综合分析，我们提升了图核心算法的效果，并展示了广泛实验的结果。

May, 2024