本稿では、頂点属性が高次元かつ連続的なグラフデータに対して効果的に対応できるよう、Weisfeiler-Lehmanカーネルおよび他のグラフカーネルを拡張する新しいカーネルを提案する。まず、グラフを部分グラフに分解し、その各部分グラフの頂点間を、ラベルの類似性と構造的役割の類似性を組み合わせたカーネルによって比較する。この比較には適切な頂点不変量（vertex invariant）を用いる。この不変量を変更することで、Weisfeiler-LehmanカーネルやNSPDK、伝搬カーネル（propagation kernels）の一般化を含む一連のグラフカーネル族が得られる。実験的に、これらのカーネルが関係データセットにおいて最先端の性能を達成することを示した。