本文選題：復(fù)雜網(wǎng)絡(luò) + 鏈路預(yù)測(cè)　； 參考：《小型微型計(jì)算機(jī)系統(tǒng)》2017年07期

【摘要】：鏈路預(yù)測(cè)作為復(fù)雜網(wǎng)絡(luò)的一個(gè)重要研究方向,基于節(jié)點(diǎn)相似性指標(biāo)進(jìn)行預(yù)測(cè)是最為常用的一種方法.傳統(tǒng)的鏈路預(yù)測(cè)方法通常使用共同鄰居數(shù)目或節(jié)點(diǎn)的度來衡量節(jié)點(diǎn)之間的相似性.節(jié)點(diǎn)對(duì)之間的關(guān)系不僅與鄰居節(jié)點(diǎn)數(shù)目和度有關(guān),節(jié)點(diǎn)的聚類系數(shù)體現(xiàn)了節(jié)點(diǎn)的聚集能力,對(duì)產(chǎn)生鏈接會(huì)起到一定的作用.基于這個(gè)觀點(diǎn),提出一種結(jié)合節(jié)點(diǎn)度和聚類系數(shù)的鏈路預(yù)測(cè)算法.利用共同鄰居節(jié)點(diǎn)的度和聚類系數(shù)計(jì)算被預(yù)測(cè)節(jié)點(diǎn)對(duì)之間的相似性.不僅充分利用網(wǎng)絡(luò)局部結(jié)構(gòu)信息,還能夠體現(xiàn)出共同鄰居節(jié)點(diǎn)之間的差異性.在十組實(shí)際數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明,提出的鏈路預(yù)測(cè)算法與傳統(tǒng)的五個(gè)算法(CN,AA,RA,PA,Jaccard)和基于聚類系數(shù)的CCLP算法相比具有很好的預(yù)測(cè)效果.
[Abstract]:As an important research direction of complex networks, link prediction based on node similarity index is the most commonly used method. Traditional link prediction methods usually use the number of common neighbors or the degree of nodes to measure the similarity between nodes. The relationship between node pairs is not only related to the number and degree of neighbor nodes, the clustering coefficient of nodes reflects the clustering ability of nodes, and it will play a certain role in producing links. Based on this viewpoint, a link prediction algorithm combining node degree and clustering coefficient is proposed. The degree and clustering coefficient of common neighbor nodes are used to calculate the similarity between predicted pairs of nodes. Not only make full use of the network local structure information, but also reflect the differences between the common neighbor nodes. Experimental results on ten sets of actual data sets show that the proposed link prediction algorithm has a good prediction effect compared with the traditional five algorithms (CNA ARAA PAP Jaccard) and the CCLP algorithm based on clustering coefficients.
【作者單位】： 安徽大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院;
【基金】：國(guó)家自然科學(xué)基金項(xiàng)目(61175046、61402006)資助 安徽省自然科學(xué)基金項(xiàng)目(1508085MF113)資助 教育部人文社科基金項(xiàng)目(14YJC860020)資助
【分類號(hào)】：O157.5

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 肖碧玉;李先彬;沈良忠;劉文斌;;比較圖元向量和點(diǎn)的聚類系數(shù)對(duì)差異網(wǎng)絡(luò)的研究[J];生物信息學(xué);2013年04期

2 胡明生;賈志娟;雷利利;洪流;;基于復(fù)雜網(wǎng)絡(luò)的災(zāi)害關(guān)聯(lián)建模與分析[J];計(jì)算機(jī)應(yīng)用研究;2013年08期

3 李岸巍;阮豫紅;;基于MATLAB環(huán)境的聚類系數(shù)的計(jì)算[J];山西師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2009年03期

4 李圓媛;;應(yīng)用SQL求邊的聚類系數(shù)[J];科技資訊;2013年07期

5 李圓媛;;應(yīng)用SQL求邊的聚類系數(shù)[J];黑龍江科技信息;2013年19期

6 付大愚;趙海;張君;葛新;;一種基于社團(tuán)結(jié)構(gòu)的局域復(fù)雜網(wǎng)絡(luò)模型[J];小型微型計(jì)算機(jī)系統(tǒng);2010年05期

7 羅聰;劉威;鄭曙光;;聚類系數(shù)對(duì)小世界交通網(wǎng)絡(luò)搜索路徑的影響[J];數(shù)字技術(shù)與應(yīng)用;2012年09期

8 王筱蕾;劉建華;;一種基于多因素的BA演化模型[J];計(jì)算機(jī)與數(shù)字工程;2014年06期

9 陳進(jìn)良;林中材;楊孔慶;;含權(quán)地理網(wǎng)格網(wǎng)絡(luò)的構(gòu)建及其逾滲行為[J];復(fù)雜系統(tǒng)與復(fù)雜性科學(xué);2012年04期

10 方錦清;汪小帆;鄭志剛;李翔;狄增如;劉曾榮;;非線性復(fù)雜網(wǎng)絡(luò)研究的若干進(jìn)展[J];中國(guó)原子能科學(xué)研究院年報(bào);2005年00期

相關(guān)會(huì)議論文 前1條

1 羅黨;秦玉慧;;一種灰色屬性識(shí)別聚類方法[A];2006年灰色系統(tǒng)理論及其應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2006年

相關(guān)碩士學(xué)位論文 前4條

1 左燾;基于網(wǎng)絡(luò)結(jié)構(gòu)的病毒傳播分析[D];南京郵電大學(xué);2015年

2 齊一全;面向圖聚類特性的圖采樣算法研究[D];遼寧大學(xué);2016年

3 馮立雪;結(jié)合最大度與最小聚類系數(shù)的復(fù)雜網(wǎng)絡(luò)搜索策略研究[D];北京交通大學(xué);2011年

4 張波;復(fù)雜網(wǎng)絡(luò)的構(gòu)建及演化方式研究[D];吉林大學(xué);2014年

，

本文編號(hào)：2108072