FEATHER：FEATHER的参考实现，摘自CIKM '20论文“图的特征函数：羽毛，从统计描述符到参数模型”

羽毛 ⠀ ⠀ 从CIKM '20论文“图形上的特征函数：羽毛的鸟，从统计描述符到参数模型”的Python参考实现FEATHER和FEATHER-G 。 抽象 在本文中，我们提出了在图顶点上定义的特征函数的灵活概念，以描述多个尺度上顶点特征的分布。 我们引入了FEATHER，这是一种计算效率很高的算法，用于计算这些特征函数的特定变体，其中特征函数的概率权重定义为随机游走的转移概率。 我们认为，此过程提取的功能对于节点级机器学习任务很有用。 我们讨论了这些节点表示的合并，从而产生了可以用作图分类算法功能的图的紧凑描述符。 我们通过分析证明，FEATHER以相同的表示形式描述了同构图，并且表现出对数据损坏的鲁棒性。 使用节点特征特征函数，我们定义了参数模型，其中，函数的评估点是监督分类器的参数。 在现实世界中的大型数据集上的实验表明，我们提出的算法可以创建高质量的表示，有效地进行传递学习，对