基于信息熵的復(fù)雜網(wǎng)絡(luò)鏈路預(yù)測(cè)算法研究.pdf

1、鏈路預(yù)測(cè)（Link Prediction）問(wèn)題是數(shù)據(jù)挖掘領(lǐng)域的研究方向之一，因其有重要的理論研究意義和廣泛的應(yīng)用價(jià)值而受到各個(gè)領(lǐng)域的關(guān)注。鏈路預(yù)測(cè)指如何根據(jù)已知網(wǎng)絡(luò)的節(jié)點(diǎn)屬性和網(wǎng)絡(luò)拓?fù)涞刃畔ⅲA(yù)測(cè)網(wǎng)絡(luò)節(jié)點(diǎn)對(duì)之間缺失的連邊和未來(lái)可能產(chǎn)生的連邊。近年來(lái)，隨著復(fù)雜網(wǎng)絡(luò)理論體系的不斷發(fā)展，基于網(wǎng)絡(luò)結(jié)構(gòu)的鏈路預(yù)測(cè)算法漸漸成為研究焦點(diǎn)。本文的主要內(nèi)容如下:
　　首先，介紹了復(fù)雜網(wǎng)絡(luò)的基礎(chǔ)知識(shí)，包括簡(jiǎn)單網(wǎng)絡(luò)、加權(quán)網(wǎng)絡(luò)和多層網(wǎng)絡(luò)的統(tǒng)計(jì)特征和演化模

2、型;
　　其次，介紹了鏈路預(yù)測(cè)問(wèn)題的研究背景、研究現(xiàn)狀以及現(xiàn)有的典型鏈路預(yù)測(cè)算法的核心思想;
　　然后，介紹了信息熵的基本概念和性質(zhì)，推導(dǎo)出復(fù)雜網(wǎng)絡(luò)路徑熵的表達(dá)式，并將路徑熵用于節(jié)點(diǎn)相似性的度量，提出了一種基于網(wǎng)絡(luò)局部拓?fù)浣Y(jié)構(gòu)的路徑熵(Path Entropy，PE)相似性指標(biāo)。實(shí)驗(yàn)結(jié)果表明，該指標(biāo)比經(jīng)典的準(zhǔn)局部和局部指標(biāo)有更好的預(yù)測(cè)性能;
　　接著，將路徑熵和路徑的權(quán)重結(jié)合，提出了一種適用于加權(quán)網(wǎng)絡(luò)的鏈路預(yù)測(cè)指標(biāo)，即

3、加權(quán)路徑熵指標(biāo)（Weighted Path Entropy index，WPE）。實(shí)驗(yàn)結(jié)果表明，該指標(biāo)比現(xiàn)有的加權(quán)指標(biāo)有更好的預(yù)測(cè)性能。進(jìn)一步考慮到現(xiàn)實(shí)復(fù)雜網(wǎng)絡(luò)中連邊類型的異質(zhì)性和網(wǎng)絡(luò)結(jié)構(gòu)的層次性，結(jié)合路徑熵的概念，提出了一種適用于多層復(fù)雜網(wǎng)絡(luò)的鏈路預(yù)測(cè)方案;
　　最后，針對(duì)大規(guī)模復(fù)雜網(wǎng)絡(luò)鏈路預(yù)測(cè)的難點(diǎn)，提出了基于共同鄰居下界的并行計(jì)算預(yù)測(cè)模型，著重分析和預(yù)測(cè)網(wǎng)絡(luò)“熱點(diǎn)區(qū)域”中的連邊。同時(shí)，提出了自預(yù)測(cè)性指標(biāo)以度量鏈路預(yù)測(cè)算法的性