一种信息论的全尺度网络比较方法

随着网络研究变得日益复杂，研究人员发现自己不再研究单一网络、而是需要分析网络集合的情况比以往任何时候都更常见。在处理网络集合时，一项重要任务是网络比较，即开发网络之间的相似性或不相似性度量，以便进行有意义的比较。完成此任务的最佳手段仍是一个开放的研究领域。在此我们引入一种用于比较网络的新度量——网络肖像散度（Network Portrait Divergence），它在数学上严谨，融合了所有结构尺度下网络的拓扑特征，并且是通用的，适用于所有类型的网络。我们的度量能够实现许多有用特性的一个重要特征是它基于图不变量，即网络肖像。我们在合成图以及取自蛋白质相互作用数据、神经科学和计算社会科学应用的真实世界网络上测试了我们的度量。网络肖像散度揭示了从数据中提取的多层网络和时间网络的重要特征。