NetSimile：一种可扩展的尺寸无关网络相似性方法
社会与信息网络
2012-09-13 v1 物理与社会
应用统计
摘要
给定一组 k 个网络，它们可能具有不同的大小且在节点或边上没有重叠，如何在不解决节点对应问题的情况下快速评估它们之间的相似性？类似地，如何从每个图中提取少量描述性的数值特征，使其有效地作为图的“签名”？拥有此类特征将能够支持大量的图挖掘任务，包括聚类、异常检测、可视化等。我们提出了 NetSimile——一种解决上述问题的新颖、有效且可扩展的方法。NetSimile 具有以下理想特性：(a) 它给出的相似性得分是尺寸不变的。(b) 它具有可扩展性，在“签名”向量提取方面与边数呈线性关系。(c) 它不需要解决节点对应问题。我们在来自不同领域的众多合成图和真实图上进行了广泛的实验，展示了 NetSimile 优于基线竞争对手。我们还展示了 NetSimile 如何支持多种挖掘任务，如聚类、可视化、不连续性检测、网络迁移学习以及跨网络重识别。
引用
@article{arxiv.1209.2684,
title = {NetSimile: A Scalable Approach to Size-Independent Network Similarity},
author = {Michele Berlingerio and Danai Koutra and Tina Eliassi-Rad and Christos Faloutsos},
journal= {arXiv preprint arXiv:1209.2684},
year = {2012}
}
备注
12 pages, 10 figures