我有一个包含大约10K顶点和100K边的 JUNG图，我想得到任意一对顶点之间相似性的度量。 顶点表示概念（例如狗，房屋等），链接表示概念之间的关系（例如相关，is_a，is_part_of等）。
顶点密集地相互关联，因此最短路径方法不会产生良好的结果（最短路径总是非常短）。
您建议采用哪种方法对顶点之间的连接进行排名？
JUNG有some algorithms来评估顶点的重要性，但我不明白两个顶点之间是否存在相似性度量。 SimPack似乎也很有希望。
任何提示？
答案 0 :(得分：2)
centrality分数不测量顶点对的相似性，而是测量网络中单个节点的某种（取决于方法）中心性。因此，这种方法可能不是你想要的。
SimPack确实有一个很好的目标，但对于图形，它实现了基于同构的比较，而不是比较多个图的相似性而不是一个给定图的节点对。因此，现在这已超出范围。
您所寻求的是所谓的graph clustering方法（也称为网络模块确定或网络社区确定方法），它将图（网络）划分为多个分区，以便每个分区中的节点与其他分区的节点相比，彼此之间的互联性更强。。
最经典的方法可能是Newman＆amp;的中介集中性聚类。 Girvan，您可以利用dendrogram进行相似度计算，is in JUNG。当然，现在有很多方法。您可能想尝试（无耻插件）我们的ModuLand method，或者在Electronic Supplementary Material的末尾阅读模块检测算法的精确表格。这是一个overlapping graph clustering方法族，即每个节点的结果是包含属于任何相应网络集群的强度的向量。成对节点相似性很容易从这些节点到簇的矢量对中推导出来。
图形聚类非常重要，您可能需要针对非常精确的特定领域结果调整任何方法，但这取决于读者;）祝你好运！