赵素芬

摘  要： 链路预测是社交网络研究中最核心、最本质的研究问题。文章基于学术合作关系社交网络，采用多种现有的经典机器学习算法进行链路预测。针对现有监督学习算法中特征集使用不够全面的问题，抽取了三大类别的特征。针对数据高度偏斜问题，采用了欠采样的方式使模型不对主要类别过度偏斜，以此保证分类器的有效性。实验结果表明，Adaboost和多层前馈神经网络模型在精确率、召回率以及F1-measure指标上优于其他监督学习方法，而朴素贝叶斯方法在本问题上表现最差。

关键词： 社交网络; 链路预测; 机器学习; 监督学习; 数据偏斜

中图分类号：TP311          文獻标志码：A     文章编号：1006-8228（2019）01-39-04

Abstract： Link prediction is the core and essential research issue in social networks research. Based on the academic co-authorship networks， eight existing classical machine learning algorithms are used for link prediction. Three categories of features are extracted for link prediction to solve the problem that the features don't be used comprehensively in the existing supervised learning algorithms. And the under-sampling is used for the problem of high skewness of data， to overcome the model skewness and to ensure the validity of the classifiers. Experimental results show that Adaboost and Multi-Layer Perceptron model are superior to the other six models in Precision， Recall and F1-measure. However， Naive Bayesian performs the worst.

Key words： social networks; link prediction; machine learning; supervised learning; data skewness

0 引言

链路预测是图挖掘的核心，因其能够揭示社交网络演化的本质，故具有十分重要的研究意义。本文基于学术合作关系网络进行链路预测。学术合作网络即学者基于互相合作发表学术论文而构建的合作关系网。这种合作关系可以很方便地从在线的文献发表数据集中抽取，例如dblp， ACM， Google Scholar等等。我们的研究问题是，基于现有的合作关系网络，预测将来很可能出现的合作关系。对该问题的深入研究，能够为揭示学者之间的研究合作模式、了解合作关系建立的本质，以及为学者推荐最有潜在合作价值的合作关系提供良好的基础。

针对链路预测问题，现有的研究方法主要分为两个大的类别。①无监督的方式[1，2，12]。这种方式，主要针对社交网络的拓扑结构抽取特征，这些无监督的指标能够体现出网络中的两个节点建立关系的潜在可能性。……