摘要。特征生成是图机器学习中一个开放的研究课题。在本文中，我们研究了使用图同态密度特征作为同态数的可扩展替代方案，这些方案保留了相似的理论性质和考虑归纳偏差的能力。为此，我们提出了一种简单采样算法的高性能实现，该算法计算同态密度的加性近似值。在图机器学习的背景下，我们在实验中证明，在样本同态密度上训练的简单线性模型可以在标准图分类数据集上实现与图神经网络相当的性能。最后，我们在合成数据上的实验中表明，当使用布隆过滤器实现时，该算法可以扩展到非常大的图。