高宏屹，张曦煌，王 杰

（江南大学物联网工程学院，江苏无锡 214122）

0 概述

随着互联网的高速发展，各个领域的复杂网络［1］变得越来越庞大。在这些复杂网络中，所有顶点代表现实系统中的实体，顶点之间的链接代表实体之间的联系。复杂网络中的链路预测［2］既包含对已经存在但未知的链接的预测，也包含对未来可能产生的链接的预测。

在现实世界中的链路预测有着广泛的应用场景，如在复杂的社交网络［3］中，通过链路预测方法可以判断两个人之间是否存在着一定的联系，这样就可以为用户进行朋友推荐，在电子商务网络中，也可以通过链路预测方法为用户进行商品推荐。现在已知的链接可能只是网络中所有顶点间存在的链接的较少部分，网络中还有着大量未知的但可能存在的链接。如果只通过收集数据、实验等方法了解这些链接，则需要耗费大量的人力物力。因此，研究链路预测算法具有非常重要的意义。

目前传统的链路预测算法计算效率较低，且不能很好地保留网络的高阶结构特点。本文提出一种生成对抗式分层网络表示学习算法以进行链路预测。该算法对网络图进行分层，并利用生成式对抗模型递归回溯地求得每一层网络图中顶点的低维向量表示，将其作为上一层网络图的初始化，直至回溯到原始网络图，求得原始网络图中所有顶点的低维向量表示进行链路预测。

1 相关工作

目前传统的链路预测算法主要包括基于似然分析的链路预测算法和基于相似性的链路预测算法［4］。……