多關(guān)系網(wǎng)絡(luò)的鏈接預(yù)測(cè)研究.pdf

1、隨著科技社會(huì)的發(fā)展和網(wǎng)絡(luò)信息技術(shù)的進(jìn)步，復(fù)雜網(wǎng)絡(luò)的鏈接預(yù)測(cè)問(wèn)題已經(jīng)成為計(jì)算機(jī)科學(xué)、社會(huì)科學(xué)、復(fù)雜系統(tǒng)等領(lǐng)域中的重要研究方向之一。在自然界中，大量形形色色的系統(tǒng)都可以通過(guò)復(fù)雜網(wǎng)絡(luò)來(lái)描述，比如神經(jīng)網(wǎng)絡(luò)、電力網(wǎng)絡(luò)、航空網(wǎng)絡(luò)、用戶-商品網(wǎng)絡(luò)等。鏈接預(yù)測(cè)是通過(guò)已知的網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)對(duì)缺失的鏈接和未來(lái)可能產(chǎn)生的鏈接進(jìn)行預(yù)測(cè)。在社會(huì)網(wǎng)絡(luò)中，鏈接預(yù)測(cè)可以發(fā)現(xiàn)人際之間潛在的聯(lián)系，揭示用戶潛在的朋友，以及在電子商務(wù)中向客戶推薦商品。
　　在現(xiàn)實(shí)世界中，

2、網(wǎng)絡(luò)中的個(gè)體之間往往包含多種關(guān)系，然而當(dāng)前復(fù)雜網(wǎng)絡(luò)的鏈接預(yù)測(cè)研究集中在單一關(guān)系的網(wǎng)絡(luò)中。但除了網(wǎng)絡(luò)自身的拓?fù)浣Y(jié)構(gòu)，關(guān)系之間的影響力和關(guān)聯(lián)程度也會(huì)決定鏈接存在的可能性。而傳統(tǒng)的鏈接預(yù)測(cè)方法通常只關(guān)注網(wǎng)絡(luò)中的一種關(guān)系或把所有關(guān)系當(dāng)作同一類型處理，這些做法遺失了很多重要的信息。本文針對(duì)多關(guān)系網(wǎng)絡(luò)的特性，融合網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)信息和關(guān)系的相似性，設(shè)計(jì)更精準(zhǔn)高效的鏈接預(yù)測(cè)算法。本文的主要研究工作和成果如下:
　　(1)提出了一種基于隨機(jī)游走的鏈

3、接預(yù)測(cè)算法。我們計(jì)算出每種關(guān)系中所有頂點(diǎn)對(duì)之間的相似度，定義每?jī)蓚€(gè)頂點(diǎn)鏈接的邊上的傳播概率為其他所有關(guān)系中這兩個(gè)頂點(diǎn)間的相似度之和。然后頂點(diǎn)間的相似度根據(jù)傳輸概率在網(wǎng)絡(luò)中以隨機(jī)游走的方式進(jìn)行傳播和更新，最終得到頂點(diǎn)間的相似度作為鏈接預(yù)測(cè)的結(jié)果得分。實(shí)驗(yàn)結(jié)果顯示，我們的算法在多關(guān)系網(wǎng)絡(luò)中取得了比其他算法更精確的預(yù)測(cè)結(jié)果。
　　(2)提出了一種基于頂點(diǎn)影響力的鏈接預(yù)測(cè)算法。我們用影響力傳播的方法分別求出每個(gè)頂點(diǎn)在不同關(guān)系中的影響力，并

4、構(gòu)成各個(gè)關(guān)系的特征向量，以特征向量的相似度作為關(guān)系之間的相似度。我們通過(guò)關(guān)系的相似度和頂點(diǎn)間的交互次數(shù)得到所有連邊的權(quán)值再進(jìn)行頂點(diǎn)間的鏈接預(yù)測(cè)。我們的實(shí)驗(yàn)結(jié)果顯示，我們的算法相比其他算法在多關(guān)系網(wǎng)絡(luò)中取得了更好的預(yù)測(cè)結(jié)果。
　　(3)提出一個(gè)基于社區(qū)挖掘的鏈接預(yù)測(cè)算法。我們首先求得各個(gè)關(guān)系間的相似度，構(gòu)造每種關(guān)系的帶權(quán)圖，在帶權(quán)圖上進(jìn)行社區(qū)挖掘。然后計(jì)算所有頂點(diǎn)對(duì)之間和各個(gè)社區(qū)質(zhì)心的相似度分別作為頂點(diǎn)初始相似度和社區(qū)的相似度。最后