基于局部結(jié)構(gòu)分析的網(wǎng)絡(luò)信息挖掘.pdf

1、復(fù)雜網(wǎng)絡(luò)是近年來學(xué)術(shù)界的研究熱點(diǎn)之一，在復(fù)雜網(wǎng)絡(luò)的研究中，如何從網(wǎng)絡(luò)中挖掘有用信息是研究的一個重要問題。在網(wǎng)絡(luò)中，鏈路往往隱含著節(jié)點(diǎn)間潛在的關(guān)聯(lián)信息，因而本文主要從鏈路預(yù)測的角度來進(jìn)行網(wǎng)絡(luò)信息挖掘，在以往研究的基礎(chǔ)上，嘗試將網(wǎng)絡(luò)的局部結(jié)構(gòu)引入到鏈路預(yù)測算法的設(shè)計中去。本文研究了網(wǎng)絡(luò)的局部社團(tuán)結(jié)構(gòu)和局部鏈路結(jié)構(gòu)，并提出了三種鏈路預(yù)測算法進(jìn)行網(wǎng)絡(luò)數(shù)據(jù)的挖掘，主要工作如下：
　　(1)對于無向網(wǎng)絡(luò)上的鏈路預(yù)測問題，提出了基于局部跨社團(tuán)鏈

2、路的鏈路預(yù)測算法(Local-Cross-Communities-Link,簡稱LCCL)。LCCL考慮了局部社團(tuán)結(jié)構(gòu)，定義節(jié)點(diǎn)的鄰居構(gòu)成節(jié)點(diǎn)的局部社團(tuán)，通過局部社團(tuán)間的關(guān)系進(jìn)行鏈路預(yù)測。
　　(2)在有向網(wǎng)絡(luò)鏈路方向預(yù)測方面，提出了局部有向路算法(Local Directed Path,簡稱LDP)。LDP主要研究了節(jié)點(diǎn)的局部鏈路結(jié)構(gòu)，并嘗試通過局部鏈路的數(shù)目進(jìn)行鏈路方向的預(yù)測。通過引進(jìn)基礎(chǔ)節(jié)點(diǎn)，LDP利用三種局部短鏈路（簡單鏈

3、路，普通鏈路，超常鏈路）預(yù)測網(wǎng)絡(luò)中鏈路的方向。實驗分析表明，通過考慮局部鏈路結(jié)構(gòu)，LDP顯著地提高了鏈路預(yù)測效果，這為有向網(wǎng)絡(luò)模型和算法的設(shè)計提供了參考。
　　(3)研究了復(fù)雜網(wǎng)絡(luò)鏈路預(yù)測領(lǐng)域的一類特殊的方法——基于隨機(jī)的鏈路預(yù)測算法，提出度修正的隨機(jī)化塊模型(Degree Corrected Stochastic Block Model,簡稱DCSBM)。DCSBM可以看做是對網(wǎng)絡(luò)中所有可能的局部社團(tuán)結(jié)構(gòu)按照似然函數(shù)進(jìn)行加權(quán)的算