相似性度量

使用图形编辑距离测量相似性的函数。

图形编辑距离是使两个图形同构所需的边/节点更改数。

对于某些图,默认的算法/实现是次优的。精确的图形编辑距离(GED)是一个NP困难的问题,因此通常速度很慢。如果简单的接口 graph_edit_distance 你的图表太长了,试试看 optimize_graph_edit_distance 和/或 optimize_edit_paths .

同时,我鼓励有能力的人研究其他GED算法,以改进可用的选择。

graph_edit_distance G1、G2 [, node_match, ...] )

返回图g1和g2之间的GED(图形编辑距离)。

optimal_edit_paths G1、G2 [, node_match, ...] )

返回将g1转换为g2的所有最小成本编辑路径。

optimize_graph_edit_distance G1、G2 [, ...] )

返回图g1和g2之间GED(图形编辑距离)的连续近似值。

optimize_edit_paths G1、G2 [, node_match, ...] )

GED(图形编辑距离)计算:高级界面。

simrank_similarity (g) [, source, target, ...] )

返回图中节点的simrank相似性 G .

simrank_similarity_numpy (g) [, source, ...] )

计算中节点的simrank G 使用矩阵 numpy .