本稿では、言語モデルおよび深層学習の最新の進展に着想を得て、グラフの部分構造に対する潜在表現を学習する統一的な枠組みである「Deep Graph Kernels（DGK）」を提案する。本フレームワークは、部分構造間の依存関係を捉えるために、それらの潜在表現を学習することにより、部分構造間の相関情報を活用する。我々は、Graphletカーネル、Weisfeiler-Lehman部分木カーネル、最短経路グラフカーネルの3つの代表的なグラフカーネルに対して、本フレームワークの具体例を提示する。複数のベンチマークデータセットにおける実験結果から、Deep Graph Kernelsが最先端のグラフカーネルと比較して分類精度において顕著な向上を達成していることが示された。