机构名称：
¥ 1.0
摘要 - 图形相似性或图形可区分性的问题通常在自然系统及其对图形网络的分析中产生。在许多域中，图形相似性用于图形分类，异常检测或识别区别相互作用模式。已经提出了几种有关如何解决此主题的方法，但是图比较仍然提出了许多挑战。最近，信息物理学已成为复杂网络作品的有前途的理论基础。在许多应用中，已经证明了Nat-Ural复合系统表现出可以通过通常在量子机械系统中应用的度量来描述和解释的特征。因此，识别网络相似性度量的自然起点是信息物理和一系列量子状态的距离。在这项工作中，我们报告了有关综合和现实世界数据集的实验，并将量子启发的度量与一系列最先进的图形和良好的图形区分方法进行比较。我们表明，量子启发的方法满足图形相似性的数学和直观要求，同时提供高解释性。
图形的区分性：量子启发的措施的案例
主要关键词
相关文件推荐
