社团检测之节点相似度指标

本文主要介绍复杂网络中节点相似度指标

基于局部信息的节点相似度指标

共同邻居

$$s_{xy}=|\Gamma (x)\cap \Gamma (y)|$$

Salton指标

$$s_{xy}=\frac{|\Gamma (x)\cap \Gamma (y)|}{\sqrt{k(x)\times k(y)}}$$

Jaccard指标

$$s_{xy}=\frac{|\Gamma (x)\cap \Gamma (y)|}{|\Gamma (x)\cup \Gamma (y)|}$$

Sorenson指标

$$s_{xy}=\frac{2|\Gamma (x)\cap \Gamma (y)|}{k(x)+k(y)}$$

大度节点有利指标（HPI）

s x y = ∣ Γ ( x ) ∩ Γ ( y ) ∣ m i n { k ( x ) , k ( y ) } s_{xy}=\frac{|\Gamma(x)\cap\Gamma(y)|}{min\{k(x),k(y)\}} sxy​=min{k(x),k(y)}∣Γ(x)∩Γ(y)∣​

大度节点不利指标（HDI）

s x y = ∣ Γ ( x ) ∩ Γ ( y ) ∣ m a x { k ( x ) , k ( y ) } s_{xy}=\frac{|\Gamma(x)\cap\Gamma(y)|}{max\{k(x),k(y)\}} sxy​=max{k(x),k(y)}∣Γ(x)∩Γ(y)∣​

优先链接指标

$$s_{xy}=\frac{|\Gamma (x)\cap \Gamma (y)|}{k(x)\times k(y)}$$

Adamic-Adar指标（AA）

$$s_{xy}=\sum _{z\in \Gamma (x)\cap \Gamma (y)}\frac{1}{logk(z)}$$

资源分配指标（RA）

$$s_{xy}=\sum _{z\in \Gamma (x)\cap \Gamma (y)}\frac{1}{k(z)}$$

基于全局信息的节点相似度指标

局部路径指标

$$S=A^2+\alpha A^3$$

其中$(A^n{)}_{xy}$给出了节点x和y之间长度为n的路径数。

Katz指标

$$s_{xy}=\sum _{i=1}^{\infty }{\beta }^l(A^l{)}_{xy}$$

其中$\beta$为权重衰减因子。对应的相似矩阵如下：

$$S=\beta A+{\beta }^2{A}^2+\cdots =(I-\beta A{)}^{-1}-I$$

LHN-II指标

太复杂。。。不写

基于随机游走的相似度指标

平均通勤时间（Average Commute Time，ACT）

略。。。以后用到再写。

基于随机游走的余弦相似性（cos +）

略。。。以后用到再写。

重启的随机游走（Random Work with Restart，RWR）

略。。。以后用到再写。

SimRank（SimR）指标

基本假设是如果两节点所连接的节点相似，那么这两个节点就相似，其定义如下：

$$s_{xy}^{SimR}=C\frac{{\sum }_{z\in \Gamma (x)}{\sum }_{z^{,}\in \Gamma (y)}}{k_x{k}_y}$$

其中假定$s_{xx}=1,C\in [0,1]$为相似性传递时的衰减参数。SimR指标可以用来描述两个分别从节点x和y出发的粒子多久会相遇。

局部随机游走指标

略。。。以后用到再写。

叠加的随机游走指标

略。。。以后用到再写。