jaccard_coefficient#

jaccard_coefficient(G, ebunch=None)[source]#

计算 ebunch 中所有节点对的 Jaccard 系数。

节点 u 和 v 的 Jaccard 系数定义为

\[\frac{|\Gamma(u) \cap \Gamma(v)|}{|\Gamma(u) \cup \Gamma(v)|}\]

其中 \(\Gamma(u)\) 表示节点 \(u\) 的邻居集合。

参数:

G图: 一个 NetworkX 无向图。
ebunch节点对的可迭代对象，可选 (默认 = None): 将为可迭代对象中给定的每一对节点计算 Jaccard 系数。节点对必须以 2 元组 (u, v) 的形式给出，其中 u 和 v 是图中的节点。如果 ebunch 为 None，则将使用图中所有不存在的边。默认值: None。

返回:

piter迭代器: 一个迭代器，包含形式为 (u, v, p) 的 3 元组，其中 (u, v) 是一对节点，p 是它们的 Jaccard 系数。

抛出:

NetworkXNotImplemented: 如果 G 是 DiGraph, Multigraph 或 MultiDiGraph。
NodeNotFound: 如果 ebunch 中包含不在 G 中的节点。

参考资料

[1]

D. Liben-Nowell, J. Kleinberg. The Link Prediction Problem for Social Networks (2004). http://www.cs.cornell.edu/home/kleinber/link-pred.pdf

示例

>>> G = nx.complete_graph(5)
>>> preds = nx.jaccard_coefficient(G, [(0, 1), (2, 3)])
>>> for u, v, p in preds:
...     print(f"({u}, {v}) -> {p:.8f}")
(0, 1) -> 0.60000000
(2, 3) -> 0.60000000