基于networkx的图形相似度算法。
graphsim的Python项目详细描述
graphsim
——
基于networkx的图形相似性算法。
**bsd许可**
[![构建状态](https://travis-ci.org/caesar0301/graphsim.svg?branch=master)(https://travis ci.org/caesar0301/graphsim)
[![pypi](https://img.shields.io/pypi/l/graphsim.svg)(https://pypi.python.org/pypi/graphsim)
[![pypi](https://img.shields.io/pypi/pyversions/graphsim.svg)(https://pypi.python.org/pypi/graphsim)
[![pypi](https://img.shields.io/pypi/status/graphsim.svg)(https://pypi.python.org/pypi/graphsim)
安装构建工具:
$Yum install-y scons
在Mac OS上:
>然后通过pypi安装graphsim:
默认情况下,权限问题
----
,` sudo`需要授予在系统`/usr/local/{lib,include}`中安装cpp模块的权限。
如果您喜欢本地安装,以下说明可能会对您有所帮助:
``bash
export libtacsim-lib-dir=~/usr/lib/
export libtacsim-inc-dir=~/usr/include/
pip install-u graphsim
`` `
```` bash
>
export ld-lib库路径=~/usr/lib:$ld-lib库路径
>出口C U include-path=~/usr/include:$C U include-path
export-cplus-include-path=~/usr/include:$cplus-include-cplus-path
``
<
**注意**:`libtacsim`在ubuntu 12.04、ububtu16.04、centos 6.5和mac os 10.11.2、10.13.2版、10.11.11.2版、10.11.11.2版和10.11.11.11.2版上进行了测试。
>;>;将GraphSim导入为gs
支持的算法
---------
*`gs.ascos`:不对称网络结构上下文相似性,作者Hung Hsuan Chen等人,
*`gs.nsim_bvd04`:节点节点相似性矩阵,作者Blondel等人,
*`gs.hits`:节点的集线器和权限分数,作者:kleinberg.
*`gs.nsim_hs03`:具有失配惩罚的节点相似性,作者:heymans et al.
*`gs.simrank`:结构上下文相似性的度量,作者:jeh et al.
*`gs.simrank_bipartite`:二部图的simrank,作者:jeh et al.
*`gs.tacsim`:拓扑属性耦合相似性,作者Xiaming Chen等.作者Xiaming Chen等人。
*`gs.tacsim_in_c`:tacsim在纯c中的有效实现。
*`gs.tacsim_in_c`:tacsim在纯c中的有效实现。
支持的实用程序
----
*`gs.normalized`:向量的l2规范化,矩阵或数组。
*`gs.node_edge_adjacency`:获取源方向和目标方向上的节点边缘邻接矩阵。
引文
——
``tex
@文章{chen2017,
title=“从城市规模的蜂窝数据中发现和建模人类行为中的元结构”,
journal=“普适和移动计算”,
year=“2017”,
issn=“1574-1192”,
doi=“http://dx.doi.org/10.1016/j.pmcj.2017.02.001”,
author=“陈夏明、汪海阳、王四伟、王永坤、金耀辉”
````
----
xiaming chen<;chenxm35@gmail.com>;
——
基于networkx的图形相似性算法。
**bsd许可**
[![构建状态](https://travis-ci.org/caesar0301/graphsim.svg?branch=master)(https://travis ci.org/caesar0301/graphsim)
[![pypi](https://img.shields.io/pypi/l/graphsim.svg)(https://pypi.python.org/pypi/graphsim)
[![pypi](https://img.shields.io/pypi/pyversions/graphsim.svg)(https://pypi.python.org/pypi/graphsim)
[![pypi](https://img.shields.io/pypi/status/graphsim.svg)(https://pypi.python.org/pypi/graphsim)
安装构建工具:
$Yum install-y scons
在Mac OS上:
>然后通过pypi安装graphsim:
默认情况下,权限问题
----
,` sudo`需要授予在系统`/usr/local/{lib,include}`中安装cpp模块的权限。
如果您喜欢本地安装,以下说明可能会对您有所帮助:
``bash
export libtacsim-lib-dir=~/usr/lib/
export libtacsim-inc-dir=~/usr/include/
pip install-u graphsim
`` `
```` bash
>
export ld-lib库路径=~/usr/lib:$ld-lib库路径
>出口C U include-path=~/usr/include:$C U include-path
export-cplus-include-path=~/usr/include:$cplus-include-cplus-path
``
<
**注意**:`libtacsim`在ubuntu 12.04、ububtu16.04、centos 6.5和mac os 10.11.2、10.13.2版、10.11.11.2版、10.11.11.2版和10.11.11.11.2版上进行了测试。
>;>;将GraphSim导入为gs
支持的算法
---------
*`gs.ascos`:不对称网络结构上下文相似性,作者Hung Hsuan Chen等人,
*`gs.nsim_bvd04`:节点节点相似性矩阵,作者Blondel等人,
*`gs.hits`:节点的集线器和权限分数,作者:kleinberg.
*`gs.nsim_hs03`:具有失配惩罚的节点相似性,作者:heymans et al.
*`gs.simrank`:结构上下文相似性的度量,作者:jeh et al.
*`gs.simrank_bipartite`:二部图的simrank,作者:jeh et al.
*`gs.tacsim`:拓扑属性耦合相似性,作者Xiaming Chen等.作者Xiaming Chen等人。
*`gs.tacsim_in_c`:tacsim在纯c中的有效实现。
*`gs.tacsim_in_c`:tacsim在纯c中的有效实现。
支持的实用程序
----
*`gs.normalized`:向量的l2规范化,矩阵或数组。
*`gs.node_edge_adjacency`:获取源方向和目标方向上的节点边缘邻接矩阵。
引文
——
``tex
@文章{chen2017,
title=“从城市规模的蜂窝数据中发现和建模人类行为中的元结构”,
journal=“普适和移动计算”,
year=“2017”,
issn=“1574-1192”,
doi=“http://dx.doi.org/10.1016/j.pmcj.2017.02.001”,
author=“陈夏明、汪海阳、王四伟、王永坤、金耀辉”
````
----
xiaming chen<;chenxm35@gmail.com>;