APP下载

基于共同邻居的链路预测新指标

2016-06-17郭婷婷赵承业

中国计量大学学报 2016年1期

郭婷婷,赵承业

(中国计量学院 理学院, 浙江 杭州 310018)



基于共同邻居的链路预测新指标

郭婷婷,赵承业

(中国计量学院 理学院, 浙江 杭州 310018)

【摘要】提出一个新的链路预测相似性指标——局部社团结构指标(Local Community Structure,LCS).在已知网络局部信息的前提下,LCS指标刻画了网络中任意两个节点的共同邻居节点与这两个节点的聚集关系.在基于真实网络的实验中,我们计算并比较了CN、AA、RA和LCS四个指标在7个不同真实网络中的AUC评价指标,发现在簇系数较大的真实网络中LCS指标的预测结果好于其他三个指标.

【关键词】链路预测;局部相似性;社团结构;AUC评价指标;簇系数

网络中的链路预测是指如何通过已知的网络节点以及网络结构等信息,预测网络中尚未产生连边的两个节点之间产生连接的可能性[1].链路预测在很多领域受到广泛关注,实现链路预测的方法也有很多,可以从不同的角度对网络中的已知数据尽可能地进行刻画.在计算机领域,链路预测的研究思路和方法主要基于马尔科夫链和机器学习,后来Zhu[2]等人将马尔科夫链的预测方法扩展到了WWW网络的预测中;之后,应用节点属性的预测方法在实验中得到了很好的预测效果,Lin[3]基于节点的属性定义了节点间的相似性,可以直接用来进行链路预测.但是在很多情况下这些属性信息的获取非常困难,而且即使获得了节点的属性信息也很难保证信息的可靠性(可信性);相比节点的属性信息,网络的结构信息更……

登录APP查看全文