Graph2Vec ⠀ 抽象 关于图结构化数据的表示学习的最新工作主要集中在学习图子结构（例如节点和子图）的分布式表示。 但是，许多图形分析任务（例如图形分类和聚类）要求将整个图形表示为固定长度的特征向量。 虽然上述方法自然不具备学习此类表示的能力，但图形内核仍然是获得它们的最有效方法。 但是，这些图内核使用手工制作的功能（例如，最短路径，图小图等），因此受到诸如通用性差等问题的阻碍。 为了解决这个限制，在这项工作中，我们提出了一个名为graph2vec的神经嵌入框架，以学习数据驱动的任意大小