图形编码使用图形内核进行计算机程序之间的相似性度量

Question

我打算使用Graph Kernel在不同的计算机程序之间执行相似性度量。在编译计算机程序期间，它们被表示为某种形式的图形，如图中所示，带有控制流程。

该图摘自论文“使用基于图形的程序表征进行预测建模”

我打算使用Graph内核，为此我正在寻求帮助，了解如何使用包含特征向量（特定基本块的特征）的每个节点（基本块）对这些图进行编码（格式化），以便它们可以被送到内核来计算预先计算的矩阵。

Answer 1

为非数字对象（如字符串或图形）定义的内核函数主要是针对此结构的避免编码而引入的。核心思想是直接在非数值空间的对象上计算内核值，就像本例中的图形一样。您的特定示例是标记的verticle图形的实例（边缘上没有标签），因此您可以简单地将图形内核用于此类结构。在Graph Kernels paper中，它被引入作为边标记结构，但从边标记到顶点标注的变化是非常自然的（和already done in other papers）。那么剩下的就是计算特定顶点v_i和v_j之间的相似性。在oridignal论文中，我们只需要一个矩阵W（负责表达特定边缘标注的“相似性”），所以类似地，你可以计算顶点特征向量之间的某种相似性（有几种可能性，特定的一种选择是严重依赖数据，你可以尝试余弦相似度，汉明距离，MSE等），但核心思想保持不变。首先计算要在产品图中使用的顶点 - 顶点相似度矩阵，然后在数据上简单地应用相应的图形内核。这不是简单的解决方案，但我不认为存在简单（好）的解决方案。图形内核是非常年轻的对象（11年前推出），用于处理非常复杂的对象（您的特定问题是非常复杂的分类对象的一个​​很好的例子）。您应该记住，在图形上使用内核方法可能非常计算成本昂贵，因此使用一些更简单的模型可能更好一些（处理图形的一些简单功能）而不是整个“原始”数据）。