本文選題：復(fù)雜網(wǎng)絡(luò) + 加權(quán)網(wǎng)絡(luò)�。� 參考：《南京郵電大學(xué)》2017年碩士論文

【摘要】：鏈接預(yù)測是復(fù)雜網(wǎng)絡(luò)分析或鏈接挖掘問題的一個子問題,也是其中的重點任務(wù)之一。鏈接預(yù)測應(yīng)用范圍廣泛,得到不同學(xué)科研究者的關(guān)注,并出現(xiàn)了不同類型的多種方法。其中,基于相似度的鏈接預(yù)測方法適用于大型網(wǎng)絡(luò),不僅具有較好的預(yù)測準(zhǔn)確度,而且具有較低的計算復(fù)雜度且較容易實現(xiàn),現(xiàn)已成為鏈接預(yù)測問題的主要方法之一。已有基于相似度的鏈接預(yù)測方法大多只適用于無權(quán)網(wǎng)絡(luò),針對加權(quán)網(wǎng)絡(luò)的相關(guān)工作很少且預(yù)測性能也不理想。很多現(xiàn)實網(wǎng)絡(luò)的鏈接帶有權(quán)值,包含了更多的信息。比如,在線社交網(wǎng)絡(luò)中,一對好友之間鏈接的權(quán)值代表某段時間內(nèi)這對好友聯(lián)系的次數(shù)。權(quán)值越大,則關(guān)系越緊密。在這一背景下,本課題研究加權(quán)網(wǎng)絡(luò)中的鏈接預(yù)測問題,并提出兩種改進的加權(quán)網(wǎng)絡(luò)鏈接預(yù)測方法。本課題首先提出一種基于改進加權(quán)相似度指標(biāo)的鏈接預(yù)測方法。已有的基于相似度的加權(quán)指標(biāo)較為簡單,僅將權(quán)值直接累加。本課題考慮到兩個節(jié)點與其共同鄰居節(jié)點間鏈接權(quán)值的差異對這兩個節(jié)點間形成新鏈接的貢獻并不相同,對加權(quán)相似度指標(biāo)作了改進。實驗表明,基于新的相似度加權(quán)指標(biāo)的鏈接預(yù)測方法具有更優(yōu)的性能。最近,弱關(guān)系理論開始應(yīng)用于加權(quán)網(wǎng)絡(luò)的鏈接預(yù)測問題,并取得了一定的效果。然而,如何在加權(quán)網(wǎng)絡(luò)中區(qū)分強弱關(guān)系目前還未得到很好的解決。本文提出了一種基于社團檢測的加權(quán)網(wǎng)絡(luò)鏈接預(yù)測方法。首先檢測出加權(quán)網(wǎng)絡(luò)中的社團,隨后根據(jù)不同社團之間關(guān)系較弱而同一社團內(nèi)部關(guān)系較強這一原理,對鏈接的強弱進行度量,再使用改進的加權(quán)相似度指標(biāo)進行鏈接預(yù)測。實驗表明,新方法的性能要優(yōu)于未采用弱關(guān)系理論的基準(zhǔn)方法。
[Abstract]:Link prediction is not only a sub-problem of complex network analysis or link mining, but also one of the key tasks. Link prediction is widely used, and has attracted the attention of researchers in different disciplines, and different types of methods have emerged. Among them, the similarity based link prediction method is suitable for large networks. It not only has better prediction accuracy, but also has lower computational complexity and is easy to implement, so it has become one of the main methods of link prediction problem. Most of the existing link prediction methods based on similarity are only suitable for weighted networks, and the performance of prediction is not satisfactory. Many real-world links have weights and contain more information. In online social networks, for example, the weight of a link between a pair of friends represents the number of times the pair contacted each other over a certain period of time. The greater the weight, the closer the relationship is. In this context, the problem of link prediction in weighted networks is studied, and two improved weighted network link prediction methods are proposed. In this paper, a link prediction method based on the improved weighted similarity index is proposed. The existing weighted index based on similarity is simple and only accumulates the weight directly. Considering that the difference of link weights between two nodes and their common neighbors is not the same contribution to the formation of new links between the two nodes, the weighted similarity index is improved. Experiments show that the link prediction method based on the new similarity weighting index has better performance. Recently, the weak relation theory has been applied to the link prediction problem of weighted networks, and some results have been obtained. However, how to distinguish between strong and weak in weighted networks has not been well solved. This paper presents a weighted network link prediction method based on community detection. First, the associations in the weighted network are detected. Then, according to the principle that the relationship between different communities is weak and the internal relationship of the same community is strong, the strength of the link is measured, and the link prediction is carried out by using the improved weighted similarity index. The experimental results show that the performance of the new method is better than that of the reference method without weak relation theory.
【學(xué)位授予單位】：南京郵電大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：O157.5

【相似文獻】

相關(guān)期刊論文 前10條

1 蘇俊燕;孔令江;劉慕仁;;加權(quán)網(wǎng)絡(luò)上的輿論演化模型研究[J];廣西師范大學(xué)學(xué)報(自然科學(xué)版);2006年02期

2 周秋花;鄒艷麗;;加權(quán)網(wǎng)絡(luò)的交通動力學(xué)研究[J];計算機工程;2010年19期

3 穆軍芬;孫鶴旭;潘家平;周進;;局域世界隨機增長的加權(quán)網(wǎng)絡(luò)模型[J];系統(tǒng)工程學(xué)報;2010年06期

4 陳海陽;張玉林;周長銀;;基于復(fù)雜網(wǎng)絡(luò)的基金加權(quán)網(wǎng)絡(luò)結(jié)構(gòu)分析[J];佳木斯大學(xué)學(xué)報(自然科學(xué)版);2011年01期

5 周健;管玉梅;王桂英;;基于點權(quán)有限的有向加權(quán)網(wǎng)絡(luò)模型[J];計算機工程與應(yīng)用;2011年26期

6 張志華;封筠;趙正旭;;工程軟件格式加權(quán)網(wǎng)絡(luò)的復(fù)雜特征分析[J];計算機工程與應(yīng)用;2011年31期

7 李玉華;賀人貴;鐘開;李瑞軒;;動態(tài)加權(quán)網(wǎng)絡(luò)中節(jié)點重要度評估[J];計算機科學(xué)與探索;2012年02期

8 李冀;莫蓉;;基于復(fù)雜加權(quán)網(wǎng)絡(luò)的服務(wù)型制造網(wǎng)絡(luò)分析[J];機械科學(xué)與技術(shù);2012年08期

9 朱鵬鵬;董建民;李慧嘉;;節(jié)點重要性指標(biāo)在加權(quán)網(wǎng)絡(luò)中的應(yīng)用[J];計算機安全;2013年04期

10 曾進群;楊建梅;陳泉;;基于加權(quán)網(wǎng)絡(luò)模型的開源軟件社區(qū)大眾生產(chǎn)結(jié)構(gòu)研究[J];工業(yè)工程;2013年03期

相關(guān)會議論文 前10條

1 張毅超;章忠志;周石;周水庚;關(guān)佶紅;;加權(quán)網(wǎng)絡(luò)交通流的波動[A];第五屆全國復(fù)雜網(wǎng)絡(luò)學(xué)術(shù)會議論文（摘要）匯集[C];2009年

2 陳鵬輝;陳慶華;;具有多種隨機權(quán)重的無標(biāo)度加權(quán)網(wǎng)絡(luò)[A];第五屆全國復(fù)雜網(wǎng)絡(luò)學(xué)術(shù)會議論文（摘要）匯集[C];2009年

3 王天驕;汪小帆;;加權(quán)網(wǎng)絡(luò)的搜索性研究[A];第三屆全國復(fù)雜動態(tài)網(wǎng)絡(luò)學(xué)術(shù)論壇論文集[C];2006年

4 陳盛輝;陳慶華;許力;;基于依權(quán)重隨機游動的高集群加權(quán)網(wǎng)絡(luò)[A];2006全國復(fù)雜網(wǎng)絡(luò)學(xué)術(shù)會議論文集[C];2006年

5 劉建國;黨延忠;王眾托;;基于自學(xué)習(xí)和雙向互選機制的加權(quán)網(wǎng)絡(luò)模型[A];2006全國復(fù)雜網(wǎng)絡(luò)學(xué)術(shù)會議論文集[C];2006年

6 陳增強;陳華良;劉忠信;;一種新的復(fù)雜網(wǎng)絡(luò)加權(quán)路由策略研究[A];第五屆全國復(fù)雜網(wǎng)絡(luò)學(xué)術(shù)會議論文（摘要）匯集[C];2009年

7 范瑾;;加權(quán)社團網(wǎng)絡(luò)的同步性能分析[A];第五屆全國復(fù)雜網(wǎng)絡(luò)學(xué)術(shù)會議論文（摘要）匯集[C];2009年

8 焦青;楊洪勇;呂海航;;基于加權(quán)網(wǎng)絡(luò)的Internet流量模型[A];第二十六屆中國控制會議論文集[C];2007年

9 王仲君;劉珊;;武漢市公交�？空军c加權(quán)網(wǎng)絡(luò)的搜索策略[A];2006全國復(fù)雜網(wǎng)絡(luò)學(xué)術(shù)會議論文集[C];2006年

10 王存新;焦雄;陳慰祖;李春華;;基于能量的氨基酸加權(quán)網(wǎng)絡(luò)的構(gòu)建及其應(yīng)用[A];中國生物醫(yī)學(xué)工程進展——2007中國生物醫(yī)學(xué)工程聯(lián)合學(xué)術(shù)年會論文集（下冊）[C];2007年

相關(guān)博士學(xué)位論文 前3條

1 孫雪蓮;加權(quán)網(wǎng)絡(luò)演化機制及若干動力學(xué)行為研究[D];大連理工大學(xué);2007年

2 魏代俊;復(fù)雜網(wǎng)絡(luò)分形性質(zhì)及應(yīng)用研究[D];西南大學(xué);2014年

3 郝彬彬;復(fù)雜網(wǎng)絡(luò)結(jié)構(gòu)與同步控制的研究[D];東北大學(xué);2009年

相關(guān)碩士學(xué)位論文 前10條

1 歐陽美玲;基于歐氏距離變化量加權(quán)網(wǎng)絡(luò)的小規(guī)模人群行為分類[D];燕山大學(xué);2015年

2 呂元娜;基于相似性的鏈接預(yù)測算法研究[D];山東大學(xué);2015年

3 張家s，

本文編號：1950084