王 慧，乐孜纯，龚 轩，武玉坤，左 浩

1(浙江工业大学 计算机科学与技术学院，杭州 310023)2(江西理工大学 应用科学学院，江西 赣州 341000)3(浙江工业大学 理学院，杭州 310023)

1 引 言

网络数据挖掘作为一项主流的、重要的数据挖掘技术，主要包括社区检测、结构网络分析、网络可视化.其中最有趣的一个研究方向是链路预测LP，LP在计算机领域已有一些研究成果，它处理的是信息科学中最基本的问题—缺失信息，虚假信息，新增信息，关键链路的预测.该问题从已观察到的网络结构、节点属性、图结构特征入手，预测存在但未被观察到，错过或者未来可能会出现或消失的链路，这是一个有意义的研究方向.他们采用的主要技术和方法是机器学习、基于图的深度学习和Markov链.2000年Sarukkai[1]等人提出了利用Markov链进行概率链路预测，将强大的概率模型应用于Web路径分析和链路预测.2003年，Popescul等人[2]提出了一种结构逻辑回归(SLR)方法，利用引文信息、正文标题、摘要、作者姓名和所属单位，以及会议和期刊的名称等外部信息预测文献之间的引用关系.2004年Zhu等人[3]使用Markov模型进行链路预测，以帮助新用户浏览网站，提出了一种转移概率矩阵压缩算法进一步提高了链路预测的效率.此外，应用节点属性的预测方法也有很多，例如Lin[4]通过节点的属性特征确定节点间的相似性，认为属性越相似的节点越可能产生链接.2018年Zhang[5]等人基于图的深度学习来研究链路预测问题.研究成果表明应用节点属性，图结构特征等外……