本文關(guān)鍵詞：多關(guān)系網(wǎng)絡(luò)的鏈接預測研究

  更多相關(guān)文章： 復雜網(wǎng)絡(luò) 鏈接預測 多關(guān)系網(wǎng)絡(luò) 結(jié)構(gòu)信息 關(guān)系相似度

【摘要】：隨著科技社會的發(fā)展和網(wǎng)絡(luò)信息技術(shù)的進步,復雜網(wǎng)絡(luò)的鏈接預測問題已經(jīng)成為計算機科學、社會科學、復雜系統(tǒng)等領(lǐng)域中的重要研究方向之一。在自然界中,大量形形色色的系統(tǒng)都可以通過復雜網(wǎng)絡(luò)來描述,比如神經(jīng)網(wǎng)絡(luò)、電力網(wǎng)絡(luò)、航空網(wǎng)絡(luò)、用戶-商品網(wǎng)絡(luò)等。鏈接預測是通過已知的網(wǎng)絡(luò)的拓撲結(jié)構(gòu)對缺失的鏈接和未來可能產(chǎn)生的鏈接進行預測。在社會網(wǎng)絡(luò)中,鏈接預測可以發(fā)現(xiàn)人際之間潛在的聯(lián)系,揭示用戶潛在的朋友,以及在電子商務(wù)中向客戶推薦商品。在現(xiàn)實世界中,網(wǎng)絡(luò)中的個體之間往往包含多種關(guān)系,然而當前復雜網(wǎng)絡(luò)的鏈接預測研究集中在單一關(guān)系的網(wǎng)絡(luò)中。但除了網(wǎng)絡(luò)自身的拓撲結(jié)構(gòu),關(guān)系之間的影響力和關(guān)聯(lián)程度也會決定鏈接存在的可能性。而傳統(tǒng)的鏈接預測方法通常只關(guān)注網(wǎng)絡(luò)中的一種關(guān)系或把所有關(guān)系當作同一類型處理,這些做法遺失了很多重要的信息。本文針對多關(guān)系網(wǎng)絡(luò)的特性,融合網(wǎng)絡(luò)的拓撲結(jié)構(gòu)信息和關(guān)系的相似性,設(shè)計更精準高效的鏈接預測算法。本文的主要研究工作和成果如下：(1)提出了一種基于隨機游走的鏈接預測算法。我們計算出每種關(guān)系中所有頂點對之間的相似度,定義每兩個頂點鏈接的邊上的傳播概率為其他所有關(guān)系中這兩個頂點間的相似度之和。然后頂點間的相似度根據(jù)傳輸概率在網(wǎng)絡(luò)中以隨機游走的方式進行傳播和更新,最終得到頂點間的相似度作為鏈接預測的結(jié)果得分。實驗結(jié)果顯示,我們的算法在多關(guān)系網(wǎng)絡(luò)中取得了比其他算法更精確的預測結(jié)果。(2)提出了一種基于頂點影響力的鏈接預測算法。我們用影響力傳播的方法分別求出每個頂點在不同關(guān)系中的影響力,并構(gòu)成各個關(guān)系的特征向量,以特征向量的相似度作為關(guān)系之間的相似度。我們通過關(guān)系的相似度和頂點間的交互次數(shù)得到所有連邊的權(quán)值再進行頂點間的鏈接預測。我們的實驗結(jié)果顯示,我們的算法相比其他算法在多關(guān)系網(wǎng)絡(luò)中取得了更好的預測結(jié)果。(3)提出一個基于社區(qū)挖掘的鏈接預測算法。我們首先求得各個關(guān)系間的相似度,構(gòu)造每種關(guān)系的帶權(quán)圖,在帶權(quán)圖上進行社區(qū)挖掘。然后計算所有頂點對之間和各個社區(qū)質(zhì)心的相似度分別作為頂點初始相似度和社區(qū)的相似度。最后通過頂點初始相似度與社區(qū)相似度計算得到鏈接預測得分。實驗結(jié)果顯示,我們的算法可以取得更高的預測質(zhì)量。
【關(guān)鍵詞】：復雜網(wǎng)絡(luò) 鏈接預測 多關(guān)系網(wǎng)絡(luò) 結(jié)構(gòu)信息 關(guān)系相似度
【學位授予單位】：揚州大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：O157.5
【目錄】：

• 摘要4-5
• Abstract5-9
• 第一章 緒論9-15
• 1.1 研究背景9-13
• 1.2 研究內(nèi)容13-14
• 1.3 論文組織結(jié)構(gòu)14-15
• 第二章 多關(guān)系網(wǎng)絡(luò)與鏈接預測15-29
• 2.1 多關(guān)系網(wǎng)絡(luò)的表示15-19
• 2.1.1 單類節(jié)點多關(guān)系網(wǎng)絡(luò)15-16
• 2.1.2 雙重節(jié)點多關(guān)系網(wǎng)絡(luò)16-18
• 2.1.3 多重節(jié)點多關(guān)系網(wǎng)絡(luò)18-19
• 2.2 單一關(guān)系網(wǎng)絡(luò)鏈接預測算法19-23
• 2.2.1 基于局部信息的相似性指標19-21
• 2.2.2 基于路徑信息的相似性指標21-22
• 2.2.3 基于隨機游走的相似性指標22-23
• 2.3 多關(guān)系網(wǎng)絡(luò)鏈接預測23-27
• 2.3.1 基于單一關(guān)系網(wǎng)絡(luò)鏈接指標的鏈接預測算法23-25
• 2.3.2 基于張量的方法25-26
• 2.3.3 實際應(yīng)用26-27
• 2.4 鏈接預測結(jié)果的評價標準27-28
• 2.5 本章小結(jié)28-29
• 第三章 基于隨機游走的多關(guān)系網(wǎng)絡(luò)鏈接預測29-37
• 3.1 問題的定義29
• 3.2 隨機游走算法29-31
• 3.3 算法框架31-33
• 3.3.1 頂點在各維的初始相似度31
• 3.3.2 傳播概率31-32
• 3.3.3 實現(xiàn)細節(jié)32-33
• 3.4 實驗結(jié)果和分析33-36
• 3.4.1 數(shù)據(jù)集33-34
• 3.4.2 實驗結(jié)果34-36
• 3.5 本章小結(jié)36-37
• 第四章 基于頂點影響力的多關(guān)系網(wǎng)絡(luò)鏈接預測37-46
• 4.1 問題的定義37
• 4.2 影響力的傳播37-39
• 4.3 基于影響力的相似性39-41
• 4.3.1 網(wǎng)絡(luò)的相似度39
• 4.3.2 具體實現(xiàn)39-41
• 4.4 實驗結(jié)果和分析41-45
• 4.4.1 數(shù)據(jù)集41-42
• 4.4.2 實驗結(jié)果42-45
• 4.5 本章小結(jié)45-46
• 第五章 基于社區(qū)挖掘的多關(guān)系網(wǎng)絡(luò)鏈接預測46-55
• 5.1 問題背景46
• 5.2 社區(qū)挖掘46-48
• 5.3 基于社區(qū)相似度的鏈接預測48-50
• 5.3.1 關(guān)系相似度48-49
• 5.3.2 聚類49
• 5.3.3 實現(xiàn)細節(jié)49-50
• 5.4 實驗結(jié)果與分析50-54
• 5.4.1 數(shù)據(jù)集51-52
• 5.4.2 實驗結(jié)果52-54
• 5.5 本章小結(jié)54-55
• 第六章 總結(jié)與展望55-57
• 6.1 研究總結(jié)55-56
• 6.2 研究展望56-57
• 參考文獻57-63
• 致謝63-64
• 攻讀學位期間發(fā)表的學術(shù)論文與參加的研究工作64-65

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 秦玉平;楊興凱;;基于案例推理的區(qū)間屬性相似度研究[J];遼寧師范大學學報(自然科學版);2006年04期

2 徐曉靜;李健;;靜態(tài)粗相似度的特征[J];山東大學學報(理學版);2006年06期

3 彭沛黃麗影;;秩數(shù)分級相似預報法[J];華僑大學學報;1983年02期

4 路志鳴;;基于相似度的特殊地形模糊表達[J];大眾科技;2009年04期

5 陳樹偉;王延昭;;一種基于模糊數(shù)相似度的風險分析方法[J];模糊系統(tǒng)與數(shù)學;2013年05期

6 李海歐;周曉光;;基于屬性相似度的碎多邊形自動聚合處理[J];測繪與空間地理信息;2013年11期

7 張峰;謝振華;林健;程江濤;崔高侖;;基于改進相似度的混合型多屬性決策方法[J];海軍航空工程學院學報;2014年01期

8 劉麗華;;基于相似度加權(quán)的模糊聚類方法[J];云南師范大學學報(自然科學版);2008年05期

9 張杰;林木輝;包正委;;基于領(lǐng)域本體的語句相似度研究[J];福建師范大學學報(自然科學版);2009年01期

10 鄭偉;季鐸;蔡東風;王爽;;基于文本最小相似度的中心選取方法[J];廣西師范大學學報(自然科學版);2008年03期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 劉海波;鄭德權(quán);趙鐵軍;;基于相似度線性加權(quán)方法的檢索結(jié)果聚類研究[A];中國計算語言學研究前沿進展（2009-2011）[C];2011年

2 陸勁挺;路強;劉曉平;;對比相似度計算方法及其在功能樹擴展中的應(yīng)用[A];計算機技術(shù)與應(yīng)用進展·2007——全國第18屆計算機技術(shù)與應(yīng)用（CACIS）學術(shù)會議論文集[C];2007年

3 董刊生;方金云;;基于向量距離的詞序相似度算法[A];第四屆全國信息檢索與內(nèi)容安全學術(shù)會議論文集（上）[C];2008年

4 劉曉平;陸勁挺;;任意功能樹的物元相似度求解方法[A];全國第21屆計算機技術(shù)與應(yīng)用學術(shù)會議（CACIS·2010）暨全國第2屆安全關(guān)鍵技術(shù)與應(yīng)用學術(shù)會議論文集[C];2010年

5 王茜;張衛(wèi)星;;基于分類樹相似度加權(quán)的協(xié)同過濾算法[A];2008年計算機應(yīng)用技術(shù)交流會論文集[C];2008年

6 洪文學;王金甲;常鳳香;宋佳霖;劉文遠;王立強;;基于圖形特征增強的相似度分類器的研究[A];中國生物醫(yī)學工程進展——2007中國生物醫(yī)學工程聯(lián)合學術(shù)年會論文集（上冊）[C];2007年

7 雷慶;吳揚揚;;一種基于語義信息計算XML文檔相似度的新方法[A];第二十一屆中國數(shù)據(jù)庫學術(shù)會議論文集（技術(shù)報告篇）[C];2004年

8 葉正;林鴻飛;楊志豪;;基于問句相似度的中文FAQ問答系統(tǒng)研究[A];第三屆學生計算語言學研討會論文集[C];2006年

9 羅辛;歐陽元新;熊璋;袁滿;;通過相似度支持度優(yōu)化基于K近鄰的協(xié)同過濾算法[A];NDBC2010第27屆中國數(shù)據(jù)庫學術(shù)會議論文集A輯一[C];2010年

10 王健;劉衍珩;焦玉;;VANETs信任傳播建模[A];中國通信學會通信軟件技術(shù)委員會2009年學術(shù)會議論文集[C];2009年

中國重要報紙全文數(shù)據(jù)庫 前1條

1 王伽　衛(wèi)江;出入境證件照片應(yīng)及時更換[N];中國國門時報;2008年

中國博士學位論文全文數(shù)據(jù)庫 前10條

1 操震洲;矢量數(shù)據(jù)動態(tài)多尺度網(wǎng)絡(luò)傳輸研究[D];南京大學;2015年

2 程亮;基于本體的疾病數(shù)據(jù)整合與挖掘方法研究[D];哈爾濱工業(yè)大學;2014年

3 劉振宇;基于區(qū)域相似度和特征降維的極化SAR影像分類[D];武漢大學;2013年

4 張明西;信息網(wǎng)絡(luò)中的相似度搜索問題研究[D];復旦大學;2013年

5 武威;異質(zhì)數(shù)據(jù)相似度學習及其在網(wǎng)絡(luò)搜索中的應(yīng)用[D];北京大學;2012年

6 朱娜斐;基于RTT相似度的網(wǎng)絡(luò)延遲估測理論和方法[D];北京工業(yè)大學;2012年

7 錢鵬飛;基于模糊相似度的異構(gòu)本體映射、合并及校驗方法的研究[D];上海交通大學;2008年

8 馬海平;基于概率生成模型的相似度建模技術(shù)研究及應(yīng)用[D];中國科學技術(shù)大學;2013年

9 劉守群;海量網(wǎng)絡(luò)視頻快速檢索關(guān)鍵技術(shù)研究[D];中國科學技術(shù)大學;2010年

10 夏云慶;IHSMTS系統(tǒng)中啟發(fā)式類比翻譯處理機制（HATM）的設(shè)計與實現(xiàn)[D];中國科學院研究生院（計算技術(shù)研究所）;2001年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 楊巧;基于改進相似度的社會網(wǎng)絡(luò)鏈接預測研究[D];華南理工大學;2015年

2 張寧;某于《知網(wǎng)》的詞語相似度優(yōu)化算法[D];昆明理工大學;2015年

3 沈迤淳;歌曲中相似片段的檢測及其應(yīng)用[D];復旦大學;2014年

4 梁霄;社交網(wǎng)絡(luò)中的社區(qū)聚集研究[D];上海交通大學;2015年

5 王魁;在線社交中基于微博的好友推薦系統(tǒng)設(shè)計與實現(xiàn)[D];電子科技大學;2015年

6 洪耀停;基于共同作者圖的合作者推薦系統(tǒng)[D];浙江大學;2015年

7 褚立超;基于相似度評分模型的人員識別方法研究[D];廣西大學;2015年

8 蒲進興;基于動態(tài)相似度的錯誤定位優(yōu)先排序[D];北京化工大學;2015年

9 余超;基于Google Map的地理位置查詢系統(tǒng)[D];電子科技大學;2014年

10 烏蘭;基于動力學行為的復雜網(wǎng)絡(luò)社區(qū)檢測研究[D];內(nèi)蒙古工業(yè)大學;2015年

，

本文編號：884108