一、节点级任务
二、边级任务
展现图的连接特性(link feature)的是哪个维度:
-
基于距离的特征(Distance-based feature);
-
局部邻域重叠度(Local neighborhood overlap);
-
全局邻域重叠度(Global neighborhood overlap)
1、基于距离的特征
(可以用邻接矩阵进行表述)
存在问题:邻居节点的重叠度无法表示出来
2、局部邻域重叠度
描述任意两个点间有公共邻居节点的程度:公共节点的个数、重叠度(交集/并集)、Adamic-Adar
Adamic-Adar:也叫 Frequency weighted Common Neighbors 算法,这个算法首先找出两个人的共同好友,计算他们共同好友的degree,取对数的倒数后再相加。相比于Common Neighbors中对共同好友的直接累加,取对数的倒数相当于给每个共同好友计算了一个权重,一个共同好友的degree越大,则权重越低。可以理解为如果一个共