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。