【摘要】：鏈路預(yù)測是復(fù)雜網(wǎng)絡(luò)與信息科技之間的橋梁,它可以有效恢復(fù)缺失鏈接和預(yù)測即將出現(xiàn)的鏈接。在復(fù)雜網(wǎng)絡(luò)中,鏈路預(yù)測可以利用節(jié)點(diǎn)的屬性信息和網(wǎng)絡(luò)結(jié)構(gòu)來探討鏈接的存在性,憑借其廣泛的實(shí)際應(yīng)用而獲得學(xué)術(shù)界的關(guān)注。鏈路預(yù)測的研究具有很好的學(xué)術(shù)意義和應(yīng)用價值,可以應(yīng)用于社會犯罪監(jiān)控、網(wǎng)絡(luò)輿情分析和細(xì)胞相互作用等多個領(lǐng)域�，F(xiàn)有的鏈路預(yù)測方法往往忽略網(wǎng)絡(luò)的時序變化給預(yù)測帶來的影響,本文將時間序列模型應(yīng)用到鏈路預(yù)測算法中,并針對科學(xué)合作網(wǎng)中的合作關(guān)系對某些特定屬性敏感的網(wǎng)絡(luò),提出了基于影響力屬性及時序的鏈路預(yù)測算法,論文的主要工作如下:首先,將時間序列運(yùn)用到基于節(jié)點(diǎn)局部信息的相似性鏈路預(yù)測算法中,針對局部相似度算法僅考慮節(jié)點(diǎn)間的局部信息而忽略節(jié)點(diǎn)自身之間是否連接過的問題,優(yōu)化了節(jié)點(diǎn)相似度計(jì)算方法。將網(wǎng)絡(luò)結(jié)構(gòu)按照時間信息進(jìn)行時間片劃分,把時間序列模型運(yùn)用到鏈路預(yù)測問題進(jìn)行相似度預(yù)測。其次,提出了基于影響力屬性的鏈路預(yù)測算法�？紤]到基于節(jié)點(diǎn)局部信息的相似度計(jì)算方法對于局部信息匱乏的節(jié)點(diǎn)沒有較好的區(qū)分度,本文通過給節(jié)點(diǎn)屬性先賦予不同的影響力值再進(jìn)行屬性相似度計(jì)算的方式,更好的區(qū)分屬性間的相似度,該算法通過這種在元路徑中加入屬性對象影響力的方法使得屬性相似度區(qū)分更加明顯。最后,本文結(jié)合時序和影響力屬性兩者信息提出了基于影響力屬性及時序的鏈路預(yù)測算法,提升鏈路預(yù)測的性能。該算法對高能物理合作網(wǎng)的合作關(guān)系進(jìn)行了驗(yàn)證,通過與基線方法的實(shí)驗(yàn)比較分析表明該算法具有較好的性能。
【圖文】：

神經(jīng)網(wǎng)絡(luò)示意圖

圖 5.1 1992 年 1 月至 2003 年 6 月論文提交情況Fig. 5.1 Paper submission from January 1992 to June 2003② 數(shù)據(jù)集屬性對象信息該高能物理合作網(wǎng)包含42000多個對象，超過500000個鏈接，39種對象屬性，15 種鏈接屬性，對象屬性主要分為四種：Journal(雜志)，Paper（論文），Author（作者），，Email_Domain(郵件)，其中郵件對象本文研究不涉及。鏈接屬性主要分為五種關(guān)系：publish_in(出版)，Authored(合作)，Cites(引用), Email_affil(郵件)，本文研究不涉及引用、郵件關(guān)系。屬性對象與鏈接存在關(guān)系可由圖 5.2 看出：屬性對象Paper 與 Paper 存在 cits 關(guān)系，屬性對象 Paper 與 Journal 存在 Publishd_in 關(guān)系，屬性對象 Author 與 Author 存在 Co-Authord 關(guān)系，屬性對象 Author 與 Email_Domain存在 Email_affil 關(guān)系，屬性對象 Paper 與 Paper 存在 Cites 關(guān)系。JournalPaperPublished_inCites
【學(xué)位授予單位】：重慶大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：O157.5

【參考文獻(xiàn)】

相關(guān)期刊論文 前2條

1 白萌;胡柯;唐翌;;Link prediction based on a semi-local similarity index[J];Chinese Physics B;2011年12期

2 柏文潔;汪秉宏;周濤;;從復(fù)雜網(wǎng)絡(luò)的觀點(diǎn)看大停電事故[J];復(fù)雜系統(tǒng)與復(fù)雜性科學(xué);2005年03期

本文編號：2661646