基于对偶图正则化非负矩阵分解的链路预测
2022-10-24陈广福阎兵早
湖北民族大学学报(自然科学版) 2022年3期
陈广福,阎兵早
(1.武夷学院 数学与计算机学院,福建 武夷山 354300;2.认知计算与智能信息处理福建省高校重点实验室,福建 武夷山 354300)
大量真实世界复杂系统均可抽象为复杂网络,例如航空网、电力网和在线社交网等,其节点表示实体,链接表示为实体间关联程度.大部分情况下,由于受噪声和冗余链接等因素影响,所收集的网络数据是缺失和不完整的.因此,预测缺失链接是网络分析关键任务之一,而链路预测目标是通过已知网络结构去预测缺失链接形成可能性[1].因此,链路预测不仅有巨大理论价值且有广泛应用价值.例如社交网为不同用户推荐新朋友,获得更好的用户体验[2];在生物网,预测蛋白质之间未知的相互作用,显著降低实验成本[3].
当前,大量基于不同理论的链路预测算法涌现出来,其中基于结构相似度和基于减维方法最受关注.基于相似度算法根据已知网络结构、节点属性和节点聚类等信息计算尚未链接节点分数.基于相似度算法又可划分为局部相似度、半局部和全局相似度,其中局部相似度利用局部结构及聚类等信息去统计节点共同邻居数量,计算未链接节点间预测分数,共同邻居(common neighbors,CN)[4]、资源分配(resource allocation,RA)[5]和adamic-adar(AA)[6]指标是其中代表.另外,Zhou等[7]将节点三阶路径信息与CN、AA和RA相融合捕获更多网络节点信息,上述方法缺点是敏感于稀疏网络.全局相似度考虑节点高阶路径信息获得节点预测分数.例如顾秋阳等[8]提出高阶相似度预测算法,该算法以高阶路径信息为判别特征,并惩罚节点有效长路径;……
登录APP查看全文
