节点相似性指标

在线编辑公式地址

基于局部信息的节点相似性指标

对于一般的网络，两个节点的共同邻居的数量越多，这两个节点越相似，也就更倾向于相互连接。

• 其中： $\Gamma (x)$ 为节点x的邻居节点的集合
• $k(x)=\left|\Gamma (x)\right|$为节点x的度

1.共同邻居（CN)

$$Sxy=\left|\Gamma (x)\cap \Gamma (y)\right|$$

• 以下2~7是直接基于共同邻居指标的不同的规范化而来的

2.Salton指标

$$Sxy=\frac{\left|\Gamma (x)\bigcap \Gamma (y)\right|}{\sqrt{k(x)\times k(y)}}$$

*3.Jaccard指标

• 用于比较有限样本集之间的相似性与差异性
• Jaccard值越大，样本相似度越高
• J(A,B)∈[0,1]
• 计算对象间距离，用于数据聚类等
• 比较文本相似度，用于文本查重与去重

$$Sxy=\frac{\left|\Gamma (x)\cap \Gamma (y)\right|}{\left|\Gamma (x)\cup \Gamma (y)\right|}=\frac{\left|\Gamma (x)\cap \Gamma (y)\right|}{\left|\Gamma (x)\right|+\left|\Gamma (y)\right|-\left|\Gamma (x)\cap \Gamma (y)\right|}$$

• 相关指标—Jaccard距离：描述集合之间的不相似性，距离越大，相似度越低
  $$dj(A,B)=1-J(A,B)$$

4.Sorenson指标

$$Sxy=2\frac{\left|\Gamma (x)\cap \Gamma (y)\right|}{k(x)+k(y)}$$

5.大度节点有利指标（HPI)

S x y = ∣ Γ ( x ) ∩ Γ ( y ) ∣ m i n { k ( x ) , k ( y ) } Sxy=\frac{\left | \Gamma (x)\cap \Gamma (y) \right |}{ min\left \{ k (x), k (y) \right \} } Sxy=min{k(x),k(y)}∣Γ(x)∩Γ(y)∣​

6.大度节点不利指标（HDI)

S x y = ∣ Γ ( x ) ∩ Γ ( y ) ∣ m a x { k ( x ) , k ( y ) } Sxy=\frac{\left | \Gamma (x)\cap \Gamma (y) \right |}{ max\left \{ k (x), k (y) \right \} } Sxy=max{k(x),k(y)}∣Γ(x)∩Γ(y)∣​

7.LHN-I指标

$$Sxy=\frac{\left|\Gamma (x)\cap \Gamma (y)\right|}{k(x)\times k(y)}$$

8.优先链接指标（PA)

$$Sxy=k(x)\times k(y)$$

基于全局信息的节点相似性指标

1.局部路径指标（LP)

• 在CN的基础上考虑三阶邻居的贡献
• 其中$\alpha$为可调节参数，A为网络的邻接矩阵
• $(A^n)xy$:节点x和y之间长度为n的路径数
• 当$\alpha$=0时，LP指标就等于CN指标
  $$S=A^2+\alpha A^3$$
  用到再补充。。。。

2.Katz指标

• 考虑所有路径数，对越短的路径赋予越大的权重

3.LHN-II指标