基于相似性的鏈接預測算法研究.pdf

1、復雜網(wǎng)絡的鏈接預測是數(shù)據(jù)挖掘與復雜網(wǎng)絡的一個交叉性的研究方向，在生物信息學、人類社交網(wǎng)絡、交通網(wǎng)絡等方面都有重要的應用。鏈接預測是根據(jù)網(wǎng)絡中已知的節(jié)點屬性和結構等信息預測兩個節(jié)點之間存在鏈接的可能性，目前鏈接預測研究的熱點方向是基于相似性的算法研究，這類研究的重要前提是網(wǎng)絡中兩個節(jié)點之間的相似程度越高，則兩者越有可能產(chǎn)生鏈接?；谙嗨菩缘逆溄宇A測算法能較為充分地利用節(jié)點的屬性信息及網(wǎng)絡的拓撲結構信息，計算時間復雜度低，相對容易實現(xiàn)，適用

2、于大規(guī)模網(wǎng)絡，且可以獲得較高的預測準確率。
　　然而，目前的幾種針對無權無向網(wǎng)絡鏈接預測的經(jīng)典算法運用的網(wǎng)絡拓撲結構信息有限，大多是從被預測的兩個節(jié)點的共同鄰居出發(fā)，只考慮被預測的兩個節(jié)點共同鄰居的個數(shù)和單個共同鄰居節(jié)點的特征，并未深入研究鄰居節(jié)點之間的相互關系對預測結果的影響。針對這一問題，本文在已有的相似性指標的研究基礎上，提出了一種新的鏈接預測算法一基于局域路徑上的節(jié)點引力算法（Individual Attraction B

3、ased on Local Path Index，IALP），該算法不僅利用了共同鄰居節(jié)點和間接鄰居節(jié)點的度數(shù)信息，而且考慮了鄰居節(jié)點集合中各節(jié)點關系的緊密程度。實驗表明IALP算法能夠提高鏈接預測的準確率。
　　此外，近年來，越來越多對真實網(wǎng)絡的實驗研究表明，利用簡單的無權無向網(wǎng)絡來刻畫真實網(wǎng)絡的結構是遠遠不夠的，許多重要的信息，如鏈接的強度、類型等，因僅考慮拓撲結構而被忽略，加權網(wǎng)絡能更為全面深刻地刻畫真實的網(wǎng)絡體系。因此，本