Python NetworkX panther_similarity用法及代码示例

返回图中节点 G 与节点 v 的 Panther 相似度。

Panther 是一种相似性度量，它表示“如果两个对象经常出现在相同的路径上，则认为它们是相似的。” [1]。

参数：

G：NetworkX 图

NetworkX 图

source：节点

为其查找顶部 k 类似其他节点的源节点

k：int(默认值 = 5)

要返回的最相似节点的数量

path_length：int(默认值 = 5)

随机生成的路径应该有多长([1]中的T)

c：浮点数(默认 = 0.5)

一个通用的正常数，用于缩放要生成的样本随机路径的数量。

delta：浮点数(默认 = 0.1)

\(S\) 与 (R, phi) 的相似度不是 epsilon-approximation 的概率，其中 \(R\) 是随机路径的数量，而 \(\phi\) 是从集合 \(A \subseteq D\) 中采样的元素的概率，其中\(D\) 是域。

eps：浮点数或无(默认 = 无)

误差范围。根据 [1]，一个好的值是 sqrt(1/|E|) 。因此，如果未提供值，则将使用建议的计算值。

返回：

similarity：字典

节点到相似度分数的字典(作为浮点数)。注意：self-similarity(即 v )不会包含在返回的字典中。

参考：

1(1,2,3)

Zhang, J., Tang, J., Ma, C., Tong, H., Jing, Y., & Li, J. Panther: Fast top-k similarity search on large networks. In Proceedings of the ACM SIGKDD International Conference on Knowledge Discovery and Data Mining (Vol. 2015-August, pp. 1445-1454). Association for Computing Machinery. https://doi.org/10.1145/2783258.2783267.

例子：

>>> G = nx.star_graph(10)
>>> sim = nx.panther_similarity(G, 0)