Machine learning 计算两个不同大小的图的相似性

我有两个图G和G'（大小不同），我想检查它们有多相似。我已经了解到在这种情况下使用了Wasserstein距离

我如何使用它

在scipy中有以下功能：

 scipy.stats.wasserstein_distance(u_values, v_values, u_weights=None, v_weights=None)

如何将G和G'作为

u_值

和

v_值

传递

编辑：

我从这篇论文中得到了这个想法：

他们写道：

受图论和几何之间丰富联系的启发，可以通过扩展度量空间之间的距离概念来定义任意两个图之间的距离概念[58]。构造过程如下：每个图表示为度量空间，其中度量只是图上的最短距离。如果表示为度量空间的图之间存在同构，则两个图是等价的。最后，通过考虑度量空间等距类之间距离的标准概念，可以定义两个图G1和G2之间的距离（或者更确切地说是分别与G1和G2等距的两类图之间的距离）[59]。此类距离的示例包括Gromov-Hausdorff距离[59]、Kantorovich-Rubinstein距离和Wasserstein距离[60]，这两种距离都要求度量空间配备概率度量

---

我还不清楚如何做到这一点。

我还不清楚如何将图形编码为概率分布（可能边是概率为1的邻接矩阵）。你能找到你读过的链接吗？这个问题可能更适合你。另外，如果你能提供一个清晰的例子，包括例子数据、你迄今为止所做的尝试以及预期的结果，这将是很有帮助的。Wasserstein距离在比较分布（如一对照片中的颜色直方图）时很有用，但在比较零件销售曲线图时可能不太有用（使用动态时间扭曲等方法可能更好）。这两种方法都不同于比较一个根本不是图表的数学图形。@ThomasJungblut我编辑了这个问题。谢谢@AdamSampson我有N个不同大小的图，我想找到一种方法来检查它们有多相似/不同，这样我就可以将它们分成C个不同的簇。我阅读文献是为了从实践的角度理解如何做到这一点。任何指向起点的指针都非常受欢迎：）