rdkit&networkx | 通过图编辑距离GED计算分子相似性

最新推荐文章于 2024-03-24 19:36:43 发布
最新推荐文章于 2024-03-24 19:36:43 发布
阅读量1.2k 收藏 2
点赞数
分类专栏： AIDD | CADD | 化学 | 生物 文章标签： rdkit 人工智能 健康医疗
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_43236007/article/details/124811565
版权

定义

图的编辑距离计算（Graph Edit Distance Computation）是指，对两个图之间通过点和边的insert、delete、substitute操作完成相互转换所需要的最少操作数。GED问题是一个NPC问题，同时也是许多图上应用问题，比如图分类问题、图匹配问题、图相似度搜索问题的核心操作。

在这里插入图片描述在这里插入图片描述

代码

from rdkit import Chem
import networkx as nx

def get_graph(mol)
了解本专栏 订阅专栏 解锁全文 超级会员免费看
ASKCOS
关注
  • 0
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
订阅专栏
基于动态规划的编辑距离计算公式及应用
lankuohsing的博客
10-29 715
文章目录1. 编辑距离的定义2. 基于动态规划的求解算法2.1. 递推公式 https://www.jianshu.com/p/a617d20162cf 1. 编辑距离的定义 编辑距离（Minimum Edit Distance，MED），由俄罗斯科学家 Vladimir Levenshtein 在1965年提出，也因此而得名 Levenshtein Distance。编辑距离一般用于度量两个序列相似程度的指标，具体来说，它计算的是一个序列A最少可以经过多少次操作变成另一个序列。这里的操作包括以下三种： .
利用公共子图同构计算图编辑距离相似度（CSI_GED:An Efficient Approach for Graph Edit Similarity Computation ICDE2016）
CaptureItTechnology的博客
11-14 3232
用边映射的方法，寻找最佳匹配的路径
A星算法求解编辑距离
CaptureItTechnology的博客
07-03 1102
算法1：A星算法计算编辑距离 输入：非空属性图g1=(U1,E1)q=(V2,E2)g_{1}=(U_{1},E_{1}) q=(V_{2},E_{2})g1​=(U1​,E1​)q=(V2​,E2​).其中U1={u1,...,u∣U1∣},V1={v1,...,v∣v1∣}U_{1}=\{u_{1},...,u_{|U_{1}|}\},V_{1}=\{v_{1},...,v_{|v_{1}|}\}U1​={u1​,...,u∣U1​∣​},V1​={v1​,...,v∣v1​∣​}, 输出：从图g1g
科学计算机的距离,图编辑距离概述-计算机科学.pdf
weixin_33305027的博客
06-19 339
第 卷 第 期 计 算 机 科 学４５ 　 ４ Vol．４５No．４年 月２０１８ ４ COMPUTER SCIENCE A r...
Graph Edit Distance Computation via Graph Neural Networks 2019 WSDM
CaptureItTechnology的博客
12-11 1103
使用神经网络计算图编辑距离
【动态规划】(一)编辑距离
hexu2010的博客
11-27 6648
动态规划算法之编辑距离 一、什么是编辑距离 编辑距离，就是求字符串s1到字符串s2的最少修改次数。每次修改的方式如下： 1.增加一个字符。如：abcabcabc -> abcdabcdabcd 2.删除一个字符。如：abcabcabc -> ababab 3.修改一个字符。如：abcabcabc -> abdabdabd 二、编辑距离怎么求 1.深搜枚举 深搜枚举的时间复杂度很高。假设字符串只有小写字母，最长的字符串长度为nnn，则时间复杂度为O(26n)O(26^n)O(26n)，远远超
量子计算论文精讲 | 图编辑距离近似解探究
2401_83053014的博客
03-24 1124
图表示能非常好的反映对象的属性与对象之间的关系，被广泛的应用在模式识别领域，而图匹配方法，作为实现图高效查询的重要方法之一被广泛的应用于生物信息学，图像分类，计算机网络等等领域。而图编辑距离（Graph Edit Distance，GED）是非常重要的图匹配问题，有良好得到容错率且可以应用于大量的图匹配相关领域之上。由于精确解GED问题的指数难度，越来越多的近似图编辑距离算法希望通过更快的时间来得到尽可能接近精确的图编辑距离。
An Exact Graph Edit Distance Algorithm for Solving Pattern Recognition Problems
CaptureItTechnology的博客
07-01 993
2015年的文章，已经用python实现，必应搜索networkx.simialrity.py 图形编辑距离是一种容错匹配技术，可用于解决模式识别，机器学习和数据挖掘中的不同任务的强大而灵活的图形匹配范例；它表示通过插入，删除和替换顶点和/或边线将一个图形转换为另一个图形的最低成本顺序。 精确图形编辑距离计算的一种广泛使用的方法是基于A算法。 为了克服遍历要存储的待解决方案的搜索树时遇到的高内存负...
【论文逐句精读】SimGNN，图网络的标准处理流程+NTN/PNC实现快速图相似度匹配
D_Ddd0701的博客
07-07 1357
SimGNN，利用GCN搭建上层建筑，图神经网络实现图相似度的快速匹配
GraphSim:基于多尺度卷积集匹配的图形相似度计算
qq_43289994的博客
03-01 2389
GraphSim:基于多尺度卷积集匹配的图形相似度计算 本篇论文是：Learning-based Efficient Graph Similarity Computation via Multi-Scale Convolutional Set Matching。需要注意的是，graph不同于image，graph是图表，是由边和节点生成。 1. 简要介绍 计算两个图形的相似度在多个领域都是一个核心的问题。而传统的方法(GED、MCS)会带来很大的计算量；之后提出了一些启发式算法和神经网络的训...
aproximated_ged:一堆近似图编辑距离算法
05-10
近似图编辑距离 一堆近似图编辑距离算法。 演算法 作业编辑距离（AED） [1]阶O（（n_1 + n_2）^ 3）的上限 Hausdorff编辑距离（HED） [2]阶O（n_1 * n_2）的下限 参考书目 [1] Riesen，Kaspar和Horst Bunke。 “ ”图像和视觉计算27.7（2009）：950-959。 [2] Fischer，Andreas等。 “ ”模式识别48.2（2015）：331-343。 作者 （ ） （ ）
GraphKernel:用于评估networkX图中节点之间基于网络传播的相似性度量的软件包
04-27
GraphKernel Python程序包可评估networkX图形中节点之间的几种相似性度量，并根据与源节点子集的相似性对网络节点进行排名。 该软件包经过优化，可利用矢量化的numpy和scipy表达式以获得近乎原生的性能。 它可用于在网络科学问题中快速比较不同的基于网络传播的相似性度量，例如基因优先级和疾病模块检测。 该软件包中的方法受到网络传播框架的启发，该框架在精彩的论文“网络传播：遗传关联的通用放大器”中解释过，Cowen等人。 （2017），Nat Rev遗传学。 注意：术语“内核”在这里非常宽松地用于表示节点之间的相似性/投影矩阵，即使它不遵守基本内核属性（对称性/正定性）时也是如此。 同样，命名图内核不指图之间的相似性内核，而仅指节点之间的相似性内核。 对于评论，问题和错误报告： 请参阅Jupiter笔记本GraphKernel_tutorial.ipynb中的
图神经网络应用——基于深度学习的图相似度计算（以SIMGNN为例的保姆级讲解）
weixin_40718664的博客
08-07 9197
图卷积网络应用——基于深度学习的图相似度计算保姆级讲解（以SIMGNN为例） 为啥想写这篇文章呢。。因为之前提到的图神经网络应用篇鸽了快一年了，把自己的研究方向做一个总结，并向其他同样研究方向的朋友做一个报告，如有错误，敬请指出。而且，这个研究方向人太少了，万望能借此引起更多人的关注与兴趣。废话不多说了，以下开启此篇正文。 图相似度计算（Graph Similarity）是图领域一个重要应用，与图片相似度（Image Similarity）不是一回事。针对图片相似度，比较常用的有：汉明距离、欧式距离、马氏距
论文阅读+实战：SimGNN：A Neural Network Approach to Fast Graph Similarity Computation
m0_49832700的博客
11-30 4903
图相似性搜索是最重要的基于图的应用程序之一，例如查找与查询化合物最相似的化合物。图相似度/距离计算，例如图编辑距离（GED）和最大公共子图（MCS），是图相似度搜索和许多其他应用程序的核心操作，但在实践中计算成本很高。作者受最近神经网络方法在几种图应用（例如节点或图分类）中取得成功的启发，提出了一种基于神经网络的新方法来解决这个经典但具有挑战性的图问题，旨在减轻计算负担的同时保持良好的性能。
使用Networkx进行图的相关计算——黑产集团挖掘，我靠，可以做dns ddos慢速攻击检测啊...
weixin_33979363的博客
11-16 320
# -*- coding: utf-8 -*- import networkx as nx import matplotlib.pyplot as plt iplist={} goodiplist={} #相似度 N=0.5 #黑客团伙IP最少个数 M=3 #黑客IP攻击目标最小个数 R=2 #jarccard系数 def get_len(d1...
用networkx画出关系图并计算相关度
qq_64192238的博客
06-19 276
data.infodel P[0]start=[]to=[]value=[]=0 and k!=P[i]:
RDKit | RDKit处理graph-化合物的邻接矩阵、距离矩阵和维纳指数
DrugAI
11-01 3533
化合物的图（graph）表示 图可以表示一个原子与另一个原子的连接方式。 只有原子的连接和拓扑结构是重要的，而不是键距。 邻接矩阵 两个原子之间： 如果有结合，则为1； 如果没有结合，则为0。 那么，所有的原子间键都可以用下面的矩阵来表示。 这样的表示方法称为图的 "邻接矩阵"（adjacency matrix）。 当有两个键时，有时会用到2。 每个原子所连接的键数称为原子的 "度"（degree）。 根据定义，相邻矩阵是对称的。 距离矩阵 描述两个原子之间最短距离的矩阵称为 .
编辑距离Edit distance
皮皮blog
06-06 5901
http://blog.csdn.net/pipisorry/article/details/46383947编辑距离Edit distance-序列之间的距离我们知道，汉明距离可以度量两个长度相同的字符串之间的相似度，如果要比较两个不同长度的字符串，不仅要进行替换，而且要进行插入与删除的运算，在这种场合下，通常使用更加复杂的编辑距离（Edit distance, Levenshtein dist
InChI&InChi-Key | 国际化合物标识
ASKCOS博客
03-14 4051
InChI国际化合物标识是（国际化合物标识）International Chemical Identifier的缩写（第一个单词的前2字母+第二个单词前2字母+第三单词首字母），InCHI编码是国际纯粹与应用化学联合会International Union of Pure and Applied Chemistry (IUPAC) 给出的每种化合物化学结构的唯一识别码。 InChI编码是一串由斜杠（/）隔开的有层级关系的数字组成的。每个InChI编码都是由InChI版本号开始，接着一个主层号。主层下包括含化
networkx计算中心性
最新发布
05-23
networkx是一个Python的图论计算库，它可以用来创建、操作和研究复杂网络，包括社交网络、物流网络等各种类型的网络。在networkx中，中心性是指节点在网络中的重要性程度，通常用于分析节点在网络中的影响力或者重要性。常见的中心性指标包括度中心性、介数中心性、接近度中心性等。其中，度中心性是指节点与其他节点相连的数量，介数中心性是指节点在网络中的最短路径数量，接近度中心性是指节点到其他节点的平均距离。这些指标可以通过networkx库中提供的方法来计算，如degree_centrality、betweenness_centrality、closeness_centrality等。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

ASKCOS

你的鼓励是我最大的动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值