冯仁君 陈海雁 王芳

摘   要：链路预测作为复杂网络分析的一个重要分支，在不同领域中有着广泛的应用，而且通过进一步提取网络结构信息可以提高链路预测的精度。提出了一种基于结构深度网络嵌入和关联相似性的链路预测算法（Structural Deep Correlation Similarity Network Embedding，SDCSNE）。SDCSNE算法结合了网络嵌入捕捉高维非线性网络结构的特征，将网络映射到向量空间中，这些映射向量的内积即为对应节点的相似性，并保持了全局和局部的网络结构，获得了更加稳定的网络结构信息;SDCSNE算法还融入了节点的关联性，以提高预测的准确性。实际结果表明，在链路预测任务中，SDCSNE算法具有良好的性能。

关键词：链路预测;复杂网络;相似性;网络嵌入;关联

中图分类号：TP309                                          文献标识码：A

文章编号：1003—6199（2020）02—0114—05

Abstract：Link prediction，as an important branch of complex network analysis，has been widely used in different fields.A link prediction algorithm （SDCSNE） based on structural depth network embedding and association similarity is proposed.The algorithm combines the characteristics of network embedding to capture the high-dimensional nonlinear network structure，and maps the network to the vector space. The inner product of these mapping vectors is the similarity of the corresponding nodes，and maintains the global and local network structure，so as to obtain more stable network structure information.The SDCSNE algorithm also incorporates the relevance of nodes to improve the accuracy of prediction.The practical results show that SDCSNE algorithm has good performance in link prediction.

Key words：link prediction;complex networks;similarity;network embedding;correlation

近年来，复杂网络理论体系不断发展完善，如何利用已有的网络预测缺失或者未来可能出现的关系，分析和探索这些数据的潜在价值已经成为研究热点。该问题也被称为链路预测，对认识和了解复杂网络结构具有重要意义。

复杂网络链路预测问题的研究则是对真实世界网络的进一步剖析。其中，网络由节点和连接节点之间的连边组成，通常情况下，节点可以表示社交网络中的个人、蛋白质相互作用网络中的蛋白质、购买商品的客户等等，连边则表示两个节点之间是否存在联系或者是否发生作用。如果两个节点具有某种特定的作用或者联系则存在一条连边，反之则不存在连边。针对链路预……