作為社會網(wǎng)絡分析的一個重要研究方向,鏈接預測是根據(jù)網(wǎng)絡中已知網(wǎng)絡結(jié)構(gòu)和節(jié)點間鏈接關(guān)系,來預測網(wǎng)絡中節(jié)點之間潛在或者缺失鏈接的方法。隨著人工智能和深度學習的廣泛應用,鏈接預測在預測網(wǎng)絡演變、知識圖譜和揭示蛋白質(zhì)交互作用等學術(shù)研究,以及商品推薦、決策支持服務等應用服務領(lǐng)域均有重要的研究價值。目前,已有研究工作將社區(qū)結(jié)構(gòu)信息融入到鏈接預測的研究之中,但是現(xiàn)有工作缺乏對社區(qū)結(jié)構(gòu)信息和鏈接預測融合的深入研究。因此,本文主要在深入挖掘社區(qū)結(jié)構(gòu)信息的基礎上,從以下兩個方面開展鏈接預測工作:1.基于節(jié)點相似度的鏈接預測方法和基于局部路徑的鏈接預測方法是兩類重要的鏈接預測方法。現(xiàn)有的基于節(jié)點相似度的鏈接預測方法,通常會考慮社會網(wǎng)絡中節(jié)點的度信息;現(xiàn)有的基于局部路徑的鏈接預測方法,則主要考慮節(jié)點間的路徑信息�？紤]上述兩類方法的優(yōu)點,本文在基于節(jié)點度的基礎上,引入局部路徑概念,提出了一種融合社區(qū)結(jié)構(gòu)和節(jié)點度的局部路徑相似度的鏈接預測方法。在常見社會網(wǎng)絡及蛋白質(zhì)網(wǎng)絡中的實驗結(jié)果驗證了該方法的有效性。2.現(xiàn)有的基于社區(qū)發(fā)現(xiàn)的鏈接預測方法,通常僅考慮了處于同一社區(qū)的節(jié)點間的鏈接影響,但沒有區(qū)分社區(qū)內(nèi)外對節(jié)點間鏈接... 

【文章來源】：長春工業(yè)大學吉林省

【文章頁數(shù)】：53 頁

【學位級別】：碩士

【部分圖文】：

鏈接預

第2章相關(guān)理論基礎7a)完整網(wǎng)絡b)訓練網(wǎng)絡c)待預測網(wǎng)絡圖1-1鏈接預測過程演示圖圖1-1展示了鏈接預測的實驗流程。首先將完整的網(wǎng)絡（圖1-1a)）依據(jù)隨機抽樣的方式劃分為訓練網(wǎng)絡（圖1-1b)）和預測網(wǎng)絡（圖1-1c)），然后使用某種鏈接預測方法預測訓練網(wǎng)絡中的所有潛在鏈接，計算網(wǎng)絡中兩個節(jié)點間的鏈接概率，最后通過評價指標判斷預測的鏈接是否為預測網(wǎng)絡中真實的鏈接。2.2鏈接預測算法鏈接預測作為數(shù)據(jù)挖掘領(lǐng)域和社會網(wǎng)絡分析的研究焦點之一，近年來，有許多鏈接預測方法被相繼提出和應用。鏈接預測的核心思想是基于已知的鏈接和節(jié)點的自身的屬性來對某個未知的、潛在的鏈接進行預測。鏈接預測包含兩方面的含義：一、對未知的鏈接的預測，它可以發(fā)現(xiàn)社會網(wǎng)絡中那些實際存在的，但由于某些原因還未找到的鏈接；二、對于網(wǎng)絡未來某一時刻的鏈接，它可以通過當前時刻網(wǎng)絡結(jié)構(gòu)特征和節(jié)點之間的鏈接情況，來預測網(wǎng)絡下一時刻可能產(chǎn)生的鏈接。在本章節(jié)中將對比較經(jīng)典的幾種鏈接預測方法進行詳細的描述和分析。2.2.1基于相似性的鏈接預測算法在基于節(jié)點相似性的鏈接預測方法的核心思想是：若社會網(wǎng)絡中兩個節(jié)點之間的聯(lián)系越密切，那么網(wǎng)絡中兩個節(jié)點之間產(chǎn)生鏈接可能性就越大。比如，在社交平臺上的兩個用戶有著相近的年齡，同時他們之間共同的興趣愛好、共同關(guān)注的話題等特征時，那么他們有更高的概率成為朋友關(guān)系�，F(xiàn)有的基于相似性的預測方法結(jié)構(gòu)比較簡單、計算復雜度較低，常用作鏈接預測方法的對比方法�；谙嗨菩缘姆椒ㄖ饕芯烤W(wǎng)絡中的節(jié)點拓撲結(jié)構(gòu)和節(jié)點對間的相互關(guān)系。通�；诠�(jié)點相似性的鏈接預測方法，計算網(wǎng)絡中節(jié)點的度信息；基于網(wǎng)絡結(jié)構(gòu)的鏈接預測方法，則主要考慮網(wǎng)絡中的路徑信息。由于這類方法網(wǎng)絡結(jié)構(gòu)和計算方式相對簡單，?

degree,PIPM)，不同于現(xiàn)有鏈接預測方法，本文方法在考慮蛋白質(zhì)網(wǎng)絡自身社區(qū)結(jié)構(gòu)同時，融合網(wǎng)絡中的節(jié)點度和局部路徑，在蛋白質(zhì)網(wǎng)絡和其他類型數(shù)據(jù)集上均有很好的預測表現(xiàn)。為了驗證方法的有效性，本文提出的方法在蛋白質(zhì)交互網(wǎng)絡數(shù)據(jù)集上，與六種經(jīng)典的鏈接預測方法進行了比較。3.2.1節(jié)點的局部路徑定義蛋白質(zhì)交互網(wǎng)絡中聯(lián)系比較稀疏，網(wǎng)絡中節(jié)點之間具有的共同鄰居和節(jié)點信息也相對較少，因此，我們將節(jié)點間次級鄰居信息[2]引入到本文方法中，將節(jié)點間共同鄰居、次級鄰居與節(jié)點自身的度相結(jié)合，提高鏈接預測的準確性。如圖3-1所示為示例網(wǎng)絡中A社區(qū)的結(jié)構(gòu)圖，本章節(jié)分析示例網(wǎng)絡1-3（節(jié)點1與節(jié)點3之間的鏈接）和節(jié)點1-5存在鏈接的概率大小來說明我們方法的有效性。在圖3中，1-3和1-5的共同鄰居都是2個。若僅利用共同鄰居進行鏈接預測，則1-3和1-5產(chǎn)生鏈接的概率相同，但從示例網(wǎng)絡中可以明顯看出1-5鏈接的可能性高于1-3，即僅利用節(jié)點間的共同鄰居估計兩節(jié)點鏈接的概率是不準確的。因此，我們在共同鄰居的基礎上挖掘次級鄰居對節(jié)點間鏈接可能性的貢獻。事實上，網(wǎng)絡中節(jié)點4作為節(jié)點1的次級鄰居對于1-5的鏈接有著積極地貢獻。與此同時，我們假設節(jié)點間的鏈接概率與目標節(jié)點本身的度呈反比關(guān)系，即目標節(jié)點的度越大，節(jié)點間鏈接的概率越校圖3-1網(wǎng)絡社區(qū)拓撲演示圖

【參考文獻】：
期刊論文
[1]基于共同鄰居有效性的復雜網(wǎng)絡鏈路預測算法（英文）[J]. 王凱,劉樹新,于洪濤,李星.  電子科技大學學報. 2019(03)
[2]基于社區(qū)結(jié)構(gòu)的集體預測算法研究[J]. 姜亞松,王冰,張艷,顏永紅.  網(wǎng)絡新媒體技術(shù). 2019(02)
[3]基于空間映射的蛋白質(zhì)相互作用網(wǎng)絡鏈接預測算法[J]. 洪海燕,劉維.  計算機科學. 2016(S1)
[4]復雜網(wǎng)絡鏈路預測[J]. 呂琳媛.  電子科技大學學報. 2010(05)

碩士論文
[1]復雜網(wǎng)絡的鏈路預測研究與應用[D]. 吳梅.青島大學 2019
[2]社交網(wǎng)絡鏈接預測技術(shù)研究[D]. 劉元元.西安電子科技大學 2019



本文編號：3588945