Similarity Measures

使用图编辑距离度量相似性的函数。

图编辑距离是指使两个图同构所需的边/节点更改的数量。

默认的算法/实现对于某些图来说是次优的。寻找精确图编辑距离（GED）的问题是NP难的，因此通常较慢。如果简单的接口 graph_edit_distance 对于您的图来说太慢，请尝试 optimize_graph_edit_distance 和/或 optimize_edit_paths 。

同时，我鼓励有能力的人研究替代的GED算法，以改进可用的选择。

graph_edit_distance(G1, G2[, node_match, ...])	返回图G1和G2之间的GED（图编辑距离）。
optimal_edit_paths(G1, G2[, node_match, ...])	返回所有将G1转换为G2的最小成本编辑路径。
optimize_graph_edit_distance(G1, G2[, ...])	返回图G1和G2之间图编辑距离（GED）的连续近似值。
optimize_edit_paths(G1, G2[, node_match, ...])	GED（图编辑距离）计算：高级接口。
simrank_similarity(G[, source, target, ...])	返回图 G 中节点的 SimRank 相似度。
panther_similarity(G, source[, k, ...])	返回图 G 中节点到节点 v 的 Panther 相似度。
generate_random_paths(G, sample_size[, ...])	随机生成 sample_size 条长度为 path_length 的路径。