AA( train, test )

共同邻居节点的度的对数分之一，累和

function [ thisauc ] = AA( train, test )

%% 计算AA指标并返回AUC值 

train1 = train ./ repmat(log(sum(train,2)),[1,size(train,1)]);【共同邻居节点的度的对数分之一】

    % 计算每个节点的权重【但是对于（1,2）位置元素，代表何意？？1列扩展了5列而已】，1/log(k_i)，网络规模过大时需分块处理

    train1(isnan(train1)) = 0;

    train1(isinf(train1)) = 0;

    % 将除数为零得到的异常值置0

    sim = train * train1;  clear train1; %？？？？【】

    % 实现相似度矩阵的计算

    thisauc = CalcAUC(train,test,sim, 10000);

    % 评测，计算该指标对应的AUC

end

---

RA

function [ thisauc ] = RA( train, test )

%% 计算RA指标并返回AUC值

    train1 = train ./ repmat(sum(train,2),[1,size(train,1)]);

    % 计算每个节点的权重，1/k_i,网络规模过大时需要分块处理

    train1(isnan(train1)) = 0;

    train1(isinf(train1)) = 0;

    sim = train * train1;  clear train1;%【累和是怎么算的？？】

% 实现相似度矩阵的计算

    thisauc = CalcAUC(train,test,sim, 10000);   

    % 评测，计算该指标对应的AUC

end

---

PA( train, test )偏好连接相似性

function [ thisauc ] = PA( train, test )

%% 计算PA指标并返回AUC值

    deg_row = sum(train,2);  【计算行和，节点度】 

    % 所有节点的度构成列向量，将它乘以它的转置即可

    sim = deg_row * deg_row';

    clear deg_row deg_col;   

    % 相似度矩阵计算完成

    thisauc = CalcAUC(train,test,sim, 10000);

    % 评测，计算该指标对应的AUC

end