DS-Span: Einfache, leistungsstarke Subgraph‑Mining‑Methode für Graph‑Embeddings
Graph‑Representation‑Learning versucht, komplexe, hochdimensionale Graphstrukturen in kompakte Vektorräume zu überführen, die sowohl die Topologie als auch die Semantik bewahren. Unter den verschiedenen Ansätzen bieten subgraphbasierte Methoden einen interpretierbaren Brückenschlag zwischen symbolischer Mustererkennung und kontinuierlichem Embedding‑Training. Allerdings leiden bestehende frequenz- oder diskriminative Subgraph‑Mining‑Methoden häufig unter redundanten Mehrphasen‑Pipelines, hohem Rechenaufwand und einer schwachen Verknüpfung zwischen den gefundenen Strukturen und ihrer diskriminativen Relevanz.
