定义
图核(graph kernel)可以理解为测量图相似度的函数。Graph kernel是一种核方法(kernel method)，核方法在图结构中的研究主要分两类，一类是图嵌入算法(graph embedding)，将图(graph)结构嵌入到向量空间，得到图结构的向量化表示，然后直接应用于向量的核函数处理，但这类方法将结构化数据降维到向量空间损失了大量结构化信息；另一类是图核函数(graph kernel)算法，直接面向图结构数据，既保留了基于向量核函数的全部优点，也能够直接体现图数据在高维希尔伯特空间中的结构信息，目前结构化的图核方法是模式识别核方法领域中的热点。
目前最主流的图核函数的定义是基于R-convolution的图核[2]。根据对比的子结构类型或图结构分解的方法不同，主流的R-convolution的图核函数主要分为3类：(1)基于游走的图核函数；(2)基于路径的图核函数；(3)基于子树或子图结构的图核函数。
参考文献
[1] Vishwanathan S V N, Schraudolph N N, Kondor R, et al. Graph kernels[J]. The Journal of Machine Learning Research, 2010, 11: 1201-1242.
[2] 白璐, 徐立祥, 崔丽欣, et al. 图核函数研究现状与进展[J]. 安徽大学学报(自然科学版), 2017(41):28.
