時(shí)變網(wǎng)絡(luò)的鏈接預(yù)測(cè)研究.pdf

1、鏈接預(yù)測(cè)是鏈接挖掘的一個(gè)分支，主要是基于對(duì)象的屬性和其他觀測(cè)到的鏈接，預(yù)測(cè)兩個(gè)對(duì)象之間是否存在鏈接。鏈接預(yù)測(cè)算法，可以用于發(fā)現(xiàn)丟失的信息、預(yù)測(cè)未來(lái)將要發(fā)生的事件、評(píng)估網(wǎng)絡(luò)的演化機(jī)制等。鏈接預(yù)測(cè)研究，對(duì)于許多當(dāng)前社交網(wǎng)絡(luò)中比較流行的應(yīng)用有著重要的影響。例如：鏈接預(yù)測(cè)在預(yù)測(cè)社交網(wǎng)絡(luò)的丟失信息上，扮演著重要角色。人工智能和數(shù)據(jù)挖掘領(lǐng)域的研究者認(rèn)為，一個(gè)像公司那樣的龐大組織，能從分析員工的非正式社交網(wǎng)絡(luò)數(shù)據(jù)中獲益。高效的鏈接預(yù)測(cè)算法，可以被用于

2、分析像社交網(wǎng)絡(luò)類的時(shí)變網(wǎng)絡(luò)，并且獲得具有一定可信度的結(jié)論。
　　 在具有多樣結(jié)構(gòu)、混雜和無(wú)規(guī)律的復(fù)雜網(wǎng)絡(luò)中，傳統(tǒng)的數(shù)據(jù)挖掘方法是無(wú)法應(yīng)付的。如果，僅僅將基于獨(dú)立同分布假設(shè)的傳統(tǒng)的數(shù)據(jù)挖掘方法應(yīng)用于這些數(shù)據(jù)集，挖掘出來(lái)的結(jié)論是不合適的。因此，在面臨這類復(fù)雜的網(wǎng)絡(luò)時(shí)，我們必須細(xì)心關(guān)注和利用那些潛在的鏈接關(guān)系以及對(duì)象之間動(dòng)態(tài)變化的關(guān)系，挖掘的結(jié)果才是合適的。實(shí)際上，對(duì)象之間的鏈接關(guān)系也是一種知識(shí)，在進(jìn)行數(shù)據(jù)挖掘時(shí)，我們應(yīng)該充分利用這些

3、知識(shí)。所以，在本文中，我提出了時(shí)變網(wǎng)絡(luò)的動(dòng)態(tài)演化模型來(lái)精確量化對(duì)象之間的關(guān)系，改進(jìn)了傳統(tǒng)的鏈接預(yù)測(cè)算法以適應(yīng)于動(dòng)態(tài)演化模型，并且結(jié)合馬爾科夫邏輯網(wǎng)提出了一個(gè)新的鏈接預(yù)測(cè)算法。根據(jù)在Enron數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果，本文改進(jìn)的鏈接預(yù)測(cè)算法和提出的新的鏈接預(yù)測(cè)算法均優(yōu)于傳統(tǒng)的鏈接預(yù)測(cè)算法。
　　 在本文中，我的主要研究?jī)?nèi)容包括如下三部分。
　　 ①本文提出一種描述社交網(wǎng)絡(luò)等時(shí)變網(wǎng)絡(luò)的演化過(guò)程的動(dòng)態(tài)演化模型。傳統(tǒng)的時(shí)變網(wǎng)絡(luò)的靜態(tài)模

4、型只是簡(jiǎn)單統(tǒng)計(jì)對(duì)象之間是否有事件發(fā)生，而沒(méi)有精確描述對(duì)象之間的關(guān)系隨時(shí)間的變化過(guò)程，但是時(shí)變網(wǎng)絡(luò)的動(dòng)態(tài)演化模型不僅包括了靜態(tài)模型所表達(dá)的信息，還引入了對(duì)于對(duì)象之間的關(guān)系的變化有深刻影響的時(shí)間序列。
　　 ②本文改進(jìn)了一些傳統(tǒng)的鏈接預(yù)測(cè)算法，以適應(yīng)于時(shí)變網(wǎng)絡(luò)的動(dòng)態(tài)演化模型。經(jīng)過(guò)改進(jìn)的鏈接預(yù)測(cè)算法，對(duì)時(shí)變網(wǎng)絡(luò)的鏈接預(yù)測(cè)準(zhǔn)確率有明顯地提高。
　　 ③根據(jù)馬爾科夫邏輯網(wǎng)模型的特性，本文提出了一種新的鏈接預(yù)測(cè)算法。由于每個(gè)傳統(tǒng)的鏈