基于高阶信息的网络相似性比较方法

量化复杂网络之间的结构相似性是网络科学中一个基本且具有挑战性的问题,在医学、社会学等多个领域发挥了至关重要的作用.传统的网络比较方法通常基于简单的结构特征,例如节点度分布、最短路径长度等,这些方法可能无法充分捕捉网络的全局结构信息,导致得到的网络相似性不精准.本文提出了一种基于高阶信息的网络相似性比较方法,该方法同时考虑了网络的全局结构和局部结构.具体而言,通过构建网络节点的高阶聚类系数分布和节点间距离分布,并利用基于这两个分布的Jensen-Shannon散度来量化网络之间的相似性.实验结果表明,相较于其他基线方法,本文提出的方法不仅能高效地比较不同网络的相似性,且在对真实网络进行扰动的过程中也表现出鲁棒性.