社區(qū)網絡鏈路預測.pdf

1、在現實生活中有許多系統都可以抽象成復雜網絡，進而用圖論的方法對其進行研究。復雜網絡的研究在當今社會已經有了非凡的意義和地位，而鏈路預測和社區(qū)檢測是復雜網絡的兩個重要研究方向。鏈路預測是指：通過網絡的已知信息來對網絡中尚未產生連邊的兩個節(jié)點預測其產生連接的可能性．一般來說鏈路預測主要有兩種用途，分別是對已經存在但尚未被發(fā)現的鏈接的預測和對未來可能產生的鏈接的預測。鏈路預測的研究不僅具有理論價值，而且具有十分重要的應用價值，所以這是一項十分

2、重要的工作。另一方面，社區(qū)檢測的簡單說法是說：要找到網絡中節(jié)點的分類集合，使得同一集合內的節(jié)點間聯系比較緊密，不同集合間的節(jié)點間聯系比較稀疏。了解網絡的社區(qū)結構可以幫助我們進一步分析網絡的拓撲結構，并更好地理解和解釋網絡的功能，從而能夠更容易發(fā)現網絡中一些隱而未現的規(guī)律以及預測網絡的行為。由于網絡的社區(qū)結構具有如此重要的價值，所以如何在現有網絡數據的基礎上快速高效地發(fā)現網絡的社區(qū)結構也是一項十分重要的工作。
　　本文的工作正是圍繞

3、這兩個方向展開的。首先，本文提出了一種利用網絡社區(qū)結構信息和節(jié)點相似性信息的基于社區(qū)信息和節(jié)點相似性的鏈路預測方法。接著，我們發(fā)現復雜網絡鏈路預測的結果其實在某種程度上反映了網絡演化的一些性質?；谶@個思想我們又提出了一種利用網絡的鏈路預測結果信息的基于網絡演化的社區(qū)檢測方法。最后，我們驚喜地發(fā)現，只要經過略微地調整，我們提出的這種社區(qū)檢測算法就可以很好的推廣到符號網絡中，并具有十分優(yōu)越的性能，從而得到一種適用于多種網絡的更一般化的社區(qū)

4、檢測算法。本文的主要工作如下：
　　1.基于社區(qū)信息和節(jié)點相似性的鏈路預測算法。這種方法是在隨機分塊模型的基礎上，通過融合網絡社區(qū)結構信息和節(jié)點相似性信息而實現鏈路預測的。通過在真實網絡和LFRbenchmark網絡上的大量實驗，證實了該方法具有很高的預測精度，同時時間復雜度又相對較小。特別地，在面對不同規(guī)模的網絡時，我們可以分別以不同的方式實現該算法，并保證其良好的性能。
　　2.基于網絡演化的社區(qū)檢測算法。我們利用網絡的

5、鏈路預測結果中所蘊藏的網絡演化信息，做到了在重現網絡演化過程的同時對目標網絡進行社區(qū)檢測，而最終提出了這種基于網絡演化的社區(qū)檢測算法。該算法不同于傳統的社區(qū)檢測算法，開拓出了社區(qū)檢測的新思路，其思路簡單易懂、算法復雜度低、劃分精確度高等特點都在大量的現實網絡和LFRbenchmark網絡的實驗中得到了驗證。
　　3.基于網絡演化的符號網絡社區(qū)檢測算法。我們提出的基于網絡演化的社區(qū)檢測算法只需要略微調整就可以適用于符號網絡中，甚至是