時變網絡的鏈接預測研究.pdf

1、鏈接預測是鏈接挖掘的一個分支，主要是基于對象的屬性和其他觀測到的鏈接，預測兩個對象之間是否存在鏈接。鏈接預測算法，可以用于發(fā)現(xiàn)丟失的信息、預測未來將要發(fā)生的事件、評估網絡的演化機制等。鏈接預測研究，對于許多當前社交網絡中比較流行的應用有著重要的影響。例如：鏈接預測在預測社交網絡的丟失信息上，扮演著重要角色。人工智能和數(shù)據(jù)挖掘領域的研究者認為，一個像公司那樣的龐大組織，能從分析員工的非正式社交網絡數(shù)據(jù)中獲益。高效的鏈接預測算法，可以被用于

2、分析像社交網絡類的時變網絡，并且獲得具有一定可信度的結論。
　　 在具有多樣結構、混雜和無規(guī)律的復雜網絡中，傳統(tǒng)的數(shù)據(jù)挖掘方法是無法應付的。如果，僅僅將基于獨立同分布假設的傳統(tǒng)的數(shù)據(jù)挖掘方法應用于這些數(shù)據(jù)集，挖掘出來的結論是不合適的。因此，在面臨這類復雜的網絡時，我們必須細心關注和利用那些潛在的鏈接關系以及對象之間動態(tài)變化的關系，挖掘的結果才是合適的。實際上，對象之間的鏈接關系也是一種知識，在進行數(shù)據(jù)挖掘時，我們應該充分利用這些

3、知識。所以，在本文中，我提出了時變網絡的動態(tài)演化模型來精確量化對象之間的關系，改進了傳統(tǒng)的鏈接預測算法以適應于動態(tài)演化模型，并且結合馬爾科夫邏輯網提出了一個新的鏈接預測算法。根據(jù)在Enron數(shù)據(jù)集上的實驗結果，本文改進的鏈接預測算法和提出的新的鏈接預測算法均優(yōu)于傳統(tǒng)的鏈接預測算法。
　　 在本文中，我的主要研究內容包括如下三部分。
　　 ①本文提出一種描述社交網絡等時變網絡的演化過程的動態(tài)演化模型。傳統(tǒng)的時變網絡的靜態(tài)模

4、型只是簡單統(tǒng)計對象之間是否有事件發(fā)生，而沒有精確描述對象之間的關系隨時間的變化過程，但是時變網絡的動態(tài)演化模型不僅包括了靜態(tài)模型所表達的信息，還引入了對于對象之間的關系的變化有深刻影響的時間序列。
　　 ②本文改進了一些傳統(tǒng)的鏈接預測算法，以適應于時變網絡的動態(tài)演化模型。經過改進的鏈接預測算法，對時變網絡的鏈接預測準確率有明顯地提高。
　　 ③根據(jù)馬爾科夫邏輯網模型的特性，本文提出了一種新的鏈接預測算法。由于每個傳統(tǒng)的鏈