《表4 Karate网络中基于不同相似性度量的最相似节点对比表》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《一种基于相对熵的随机游走相似性度量模型》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

从全局角度看，大度节点直接相连着许多节点，从任一节点开始进行随机游走都有很大概率到达网络中的大度节点，从而成为网络中的一般相似节点，即网络中大量节点的最相似节点.表4给出了在Karate网络中，分别根据五种随机游走相似性和基于RE-model算法的相似性度量得到的各节点对应的最相似节点.可以看出，大度节点1，33和34在RW，BRW，MERW和LRW成为一般相似节点，影响节点间的相似性度量效果.而基于RE-model的相似性度量模型没有形成一般相似节点，可以更好地度量节点间的结构相似性.例如节点15和16在传统随机游走RW，RWR，BRW，MERW和LRW方法下找到的最相似节点均为节点34；而基于RE-model的随机游走RE＿RW，RE＿RWR，RE＿BRW，RE＿MERW和RE＿LRW方法，这两个节点则互为最相似节点.从图1可以看出，节点15和16都为2度点且与节点33和34相连，这两个节点结构上更相似.