1、一般地，在進行對象建模時通常有兩種模式:基于統(tǒng)計的方法和基于結構的方法。在統(tǒng)計模式識別中，研究對象常表示為特征向量。特征向量的表示形式具有數(shù)學運算上的優(yōu)勢，但另一方面它缺乏對關系的表現(xiàn)力，且定長的特性限制了該表示方法的靈活性。在結構模式識別中，研究對象通常用圖模型表示。圖結構不僅能表示對象的特性，還可以刻畫對象的不同部分之間的關系，從拓撲結構方面表示規(guī)模大小各不相同的研究對象。但類似向量和、積、距離等運算在圖結構上并沒有統(tǒng)一規(guī)范的定義，

2、原本線性時間復雜度的運算通常需要指數(shù)級的時間。
　　基于圖在表示復雜結構化數(shù)據(jù)時的優(yōu)越性，圖數(shù)據(jù)在各類應用領域中大量出現(xiàn)。作為圖挖掘的中心研究問題，圖的相似性衡量受到了格外關注。傳統(tǒng)圖比較方法存在計算時間隨著圖規(guī)模增加而大大增加或為了簡化圖表示而忽略部分拓撲信息等問題。近年來，圖核成為圖比較的一種有效方式。核方法通過映射將基本線性算法擴展到復雜非線性算法，從而解決數(shù)據(jù)中非線性運算規(guī)范問題，使得原本適用于向量的標準算法也適用于圖。<

3、br>　　本文首先研究了國內(nèi)外現(xiàn)有的定義于不同子結構的圖核模型，它們能夠有效地進行圖之間的比較。然而大多數(shù)圖核存在以下局限性:(a)圖核定義時所涉及的圖結點大多為單標簽的，而很多時候結點會有多個屬性或同時屬于多個類別;(b)圖結構中邊通常描述了蛋白質的結構信息或化合物原子間化學鍵的存在與否，其語義信息通常被忽略;(c)大部分圖核的計算仍然需要多項式的時間復雜度;(d)現(xiàn)有圖核多作用于蛋白質和分子數(shù)據(jù)，相比于文本或圖像中的高維特征，其標簽

4、數(shù)量較少。而當結點類型空間較大時，其計算所得的相似度將趨近于零。
　　根據(jù)現(xiàn)有技術的不足，本文進行了圖核的相關研究和擴展，提出了兩類基于語義的圖核:基于LDA主題模型和鄰居哈希的圖核以及基于Word2vec語言模型和Weisfeiler-Lehman同構檢測的圖核，并將算法應用于文本分類任務以證明方法的有效性和高效性。前者利用主題模型從潛在語義層面即主題維度來描述文檔，通過圖結構刻畫特征詞項之間的空間關系，利用鄰居哈希運算的定義使