相似性度量

使用图编辑距离衡量相似性的函数。

图编辑距离是使两个图同构所需的边/节点更改次数。

默认的算法/实现对于某些图来说不是最优的。找到精确的图编辑距离（GED）问题是NP-hard的，因此通常很慢。如果简单的接口 graph_edit_distance 处理您的图需要太长时间，请尝试使用 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，以改进现有选择。

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, ...])	返回将 G1 转换为 G2 的所有最小成本编辑路径。
optimize_graph_edit_distance(G1, G2[, ...])	返回图 G1 和 G2 之间的 GED (图编辑距离) 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 相似性。
panther_similarity(G, source[, k, ...])	返回图 G 中节点相对于节点 v 的 Panther 相似性。
generate_random_paths(G, sample_size[, ...])	随机生成 sample_size 条长度为 path_length 的路径。