基于networkx的图形相似度算法。
graphsim的Python项目详细描述
graphsim
——
基于networkx的图形相似性算法。
**bsd许可**
[！[构建状态]（https://travis-ci.org/caesar0301/graphsim.svg？branch=master）（https://travis ci.org/caesar0301/graphsim）
[！[pypi]（https://img.shields.io/pypi/l/graphsim.svg）（https://pypi.python.org/pypi/graphsim）
[！[pypi]（https://img.shields.io/pypi/pyversions/graphsim.svg）（https://pypi.python.org/pypi/graphsim）
[！[pypi]（https://img.shields.io/pypi/status/graphsim.svg）（https://pypi.python.org/pypi/graphsim）
安装构建工具：
$Yum install-y scons
在Mac OS上：
>然后通过pypi安装graphsim:
默认情况下，权限问题
----
，` sudo`需要授予在系统`/usr/local/{lib，include}`中安装cpp模块的权限。
如果您喜欢本地安装，以下说明可能会对您有所帮助：
``bash
export libtacsim-lib-dir=~/usr/lib/
export libtacsim-inc-dir=~/usr/include/
pip install-u graphsim
`` `
```` bash
>
export ld-lib库路径=~/usr/lib:$ld-lib库路径
>出口C U include-path=~/usr/include:$C U include-path
export-cplus-include-path=~/usr/include:$cplus-include-cplus-path
``
<
**注意**：`libtacsim`在ubuntu 12.04、ububtu16.04、centos 6.5和mac os 10.11.2、10.13.2版、10.11.11.2版、10.11.11.2版和10.11.11.11.2版上进行了测试。
>；>；将GraphSim导入为gs
支持的算法
---------
*`gs.ascos`：不对称网络结构上下文相似性，作者Hung Hsuan Chen等人，
*`gs.nsim_bvd04`：节点节点相似性矩阵，作者Blondel等人，
*`gs.hits`：节点的集线器和权限分数，作者：kleinberg.
*`gs.nsim_hs03`：具有失配惩罚的节点相似性，作者：heymans et al.
*`gs.simrank`：结构上下文相似性的度量，作者：jeh et al.
*`gs.simrank_bipartite`：二部图的simrank，作者：jeh et al.
*`gs.tacsim`：拓扑属性耦合相似性，作者Xiaming Chen等.作者Xiaming Chen等人。
*`gs.tacsim_in_c`：tacsim在纯c中的有效实现。
*`gs.tacsim_in_c`：tacsim在纯c中的有效实现。
支持的实用程序
----
*`gs.normalized`：向量的l2规范化，矩阵或数组。
*`gs.node_edge_adjacency`：获取源方向和目标方向上的节点边缘邻接矩阵。
引文
——
``tex
@文章{chen2017，
title=“从城市规模的蜂窝数据中发现和建模人类行为中的元结构”，
journal=“普适和移动计算”，
year=“2017”，
issn=“1574-1192”，
doi=“http://dx.doi.org/10.1016/j.pmcj.2017.02.001”，
author=“陈夏明、汪海阳、王四伟、王永坤、金耀辉”
````
----
xiaming chen<；chenxm35@gmail.com>；
——
基于networkx的图形相似性算法。
**bsd许可**
[！[构建状态]（https://travis-ci.org/caesar0301/graphsim.svg？branch=master）（https://travis ci.org/caesar0301/graphsim）
[！[pypi]（https://img.shields.io/pypi/l/graphsim.svg）（https://pypi.python.org/pypi/graphsim）
[！[pypi]（https://img.shields.io/pypi/pyversions/graphsim.svg）（https://pypi.python.org/pypi/graphsim）
[！[pypi]（https://img.shields.io/pypi/status/graphsim.svg）（https://pypi.python.org/pypi/graphsim）
安装构建工具：
$Yum install-y scons
在Mac OS上：
>然后通过pypi安装graphsim:
默认情况下，权限问题
----
，` sudo`需要授予在系统`/usr/local/{lib，include}`中安装cpp模块的权限。
如果您喜欢本地安装，以下说明可能会对您有所帮助：
``bash
export libtacsim-lib-dir=~/usr/lib/
export libtacsim-inc-dir=~/usr/include/
pip install-u graphsim
`` `
```` bash
>
export ld-lib库路径=~/usr/lib:$ld-lib库路径
>出口C U include-path=~/usr/include:$C U include-path
export-cplus-include-path=~/usr/include:$cplus-include-cplus-path
``
<
**注意**：`libtacsim`在ubuntu 12.04、ububtu16.04、centos 6.5和mac os 10.11.2、10.13.2版、10.11.11.2版、10.11.11.2版和10.11.11.11.2版上进行了测试。
>；>；将GraphSim导入为gs
支持的算法
---------
*`gs.ascos`：不对称网络结构上下文相似性，作者Hung Hsuan Chen等人，
*`gs.nsim_bvd04`：节点节点相似性矩阵，作者Blondel等人，
*`gs.hits`：节点的集线器和权限分数，作者：kleinberg.
*`gs.nsim_hs03`：具有失配惩罚的节点相似性，作者：heymans et al.
*`gs.simrank`：结构上下文相似性的度量，作者：jeh et al.
*`gs.simrank_bipartite`：二部图的simrank，作者：jeh et al.
*`gs.tacsim`：拓扑属性耦合相似性，作者Xiaming Chen等.作者Xiaming Chen等人。
*`gs.tacsim_in_c`：tacsim在纯c中的有效实现。
*`gs.tacsim_in_c`：tacsim在纯c中的有效实现。
支持的实用程序
----
*`gs.normalized`：向量的l2规范化，矩阵或数组。
*`gs.node_edge_adjacency`：获取源方向和目标方向上的节点边缘邻接矩阵。
引文
——
``tex
@文章{chen2017，
title=“从城市规模的蜂窝数据中发现和建模人类行为中的元结构”，
journal=“普适和移动计算”，
year=“2017”，
issn=“1574-1192”，
doi=“http://dx.doi.org/10.1016/j.pmcj.2017.02.001”，
author=“陈夏明、汪海阳、王四伟、王永坤、金耀辉”
````
----
xiaming chen<；chenxm35@gmail.com>；
欢迎加入QQ群-->： 979659372
