两个节点之间具有多条边的图相似度
graph similarity having multiple edges between two nodes
计算图相似度的理论有很多,如顶点边重叠、jacard、余弦、编辑距离、签名相似度、lambda距离、deltacon等。这些东西基于图的单边。但是在现实世界中有很多图具有多条边。
给定两个相似的图,我们如何计算图的相似度?
使用以前的图相似度,只有二维向量,入口只是标量,即数字,但在多边图中,入口应该是元组。因为节点之间多了一个action。对于前一种方法,可以称为who-knows-whom schem,而后一种图,可以称为who-knows-whom*-how*。我认为以前的方法可以很容易地用于多边图,所以没有逻辑或方法。
提前致谢!
没有 "the" 计算图相似度的方法。
根据您的数据和问题,非常不同的方法可能会更好。在许多情况下,简单地将两条边合并为一条非常有意义。例如,如果我有两条通行能力为 x 和 y 的道路从 A 到 B - 对于许多分析来说,这相当于只骑一次,总通行能力。
计算图相似度的理论有很多,如顶点边重叠、jacard、余弦、编辑距离、签名相似度、lambda距离、deltacon等。这些东西基于图的单边。但是在现实世界中有很多图具有多条边。
给定两个相似的图,我们如何计算图的相似度? 使用以前的图相似度,只有二维向量,入口只是标量,即数字,但在多边图中,入口应该是元组。因为节点之间多了一个action。对于前一种方法,可以称为who-knows-whom schem,而后一种图,可以称为who-knows-whom*-how*。我认为以前的方法可以很容易地用于多边图,所以没有逻辑或方法。 提前致谢!
没有 "the" 计算图相似度的方法。
根据您的数据和问题,非常不同的方法可能会更好。在许多情况下,简单地将两条边合并为一条非常有意义。例如,如果我有两条通行能力为 x 和 y 的道路从 A 到 B - 对于许多分析来说,这相当于只骑一次,总通行能力。