10、PATENet：时间演化网络的成对对齐研究

PATENet：时间演化网络的成对对齐研究

在网络分析领域，对时间演化网络（OSNs）进行成对对齐是一项具有挑战性但又十分重要的任务。本文将深入探讨相关的概念、算法以及实验结果，为大家揭示如何有效地对 OSNs 进行对齐分析。

1. 网络相似性度量基础

在开始介绍具体的对齐算法之前，我们需要了解一些基本的网络相似性度量概念。

• 无符号归一化网络相似性度量（UNNSM） ：对于两个具有相同节点集 (V) 的网络 (G = (V, E)) 和 (G’ = (V, E’))，一个函数 (s(G, G’)) 若满足以下三个性质，则被称为一个定义良好的 UNNSM。
  • 恒等性 ：(s(G, G’) \leq s(G, G) = 1)，对于任意的 (G) 和 (G’) 都成立。
  • 对称性 ：(s(G, G’) = s(G’, G))，即相似性度量与网络的顺序无关。
  • 最小值性质 ：当节点集 (|V|) 趋于无穷大时，若 (G) 是完全网络，(G’) 是空网络，那么 (s(G, G’) \to 0)。
• 有符号归一化网络相似性度量（SNNSM） ：类似地，一个函数 (s’(G, G’)) 若满足上述性质，且最小值性质调整为当 (|V|) 趋于无穷大时，(s’(G, G’) \to -1)，则被称为一个定义良好的 SNNSM。

2.