一种基于局部社团和全局信息的链路预测算法

发布时间：2019-09-20 07:05

【摘要】：以往复杂网络的链路预测研究常常只考虑了公共邻居等局部网络的拓扑信息,不能很好的反映网络整体上的情况.在考虑局部社团网络拓扑信息的基础上,将同配系数等全局信息也引入预测算法中,提出了一种基于局部社团和全局信息的LCII预测算法.应用该算法对多个真实网络进行了链路预测,发现与其他几种经典链路预测算法相比,LCII预测算法有较好的预测效果和准确度.可见,综合考虑局部社团和全局信息可以挖掘出候选节点间更多的信息,从而能在一定程度上提升预测的命中率.
【图文】：

过程图,过程图,算法,聚类系数

值大小关系就可以更有效的链路预测呢？笔者对此问题进行了研究，结果显示：平均最短路径长度、边聚类系数、同配系数以及节点度值大小关系这些因素能在一定程度上提升链路预测的精度．１基于局部社团和全局信息的ＬＣＩＩ预测算法描述ＬＣＩＩ算法旨在根据网络中节点之间的连边关系，为尚未产生连边的两个节点预测可能会在未来产生的连边．通过分析节点所在网络的同配系数，考虑两个候选节点的度值，以及局部社团网络中边聚类系数和ＬＣＮ中的平均最短路径长度，构成ＬＣＩＩ算法（图１）．图１ＬＣＩＩ算法预测的过程图示Ｆｉｇ．１ＴｈｅｉｍａｇｅｏｆｐｒｅｄｉｃｔｉｏｎｐｒｏｃｅｓｓｏｆＬＣＩＩＬＣＩＩ不仅考虑了整个网络的同配系数以及无连边节点对的节点度大小关系，还考虑了ＬＣＮ中边聚类系数ｐ以及平均最短路径长度对链路预测算法的影响，ＬＣＩＩ算法定义为ＬＣＩＩ＝ＣＮ·ＬＣＬ·ＬＣＣ·ＤＵ（１）其中：ＣＮ为候选节点间的共同邻居数；ＬＣＬ为局部社团网络的连边总数；ＬＣＣ为局部社团系数；ＤＵ为候选节点间度关系的值．为了体现全局信息与局部社团信息的平等，ＬＣＩＩ由ＣＮ，ＬＣＬ，ＬＣＣ和ＤＵ以相乘的形式得出，其中ＬＣＣ综合了边聚类系数和平均最短路径长度，其定义为ＬＣＣ＝ｐ／Ｌ（２）ｐ＝ＬＣＬＣＮ（ＣＮ－１）／２（３）边聚类系数ｐ表示一个网络中连边聚集程度的系数［１０］，其定义为网络中邻居节点间的实际连边数量与网络中所有节点可能存在最大连边数之比．一个网络中的边聚类系数越大，网络中节点越接近，节点间的联系越紧密．在局部社团网络

过程图,过程图,算法,聚类系数

值大小关系就可以更有效的链路预测呢？笔者对此问题进行了研究，结果显示：平均最短路径长度、边聚类系数、同配系数以及节点度值大小关系这些因素能在一定程度上提升链路预测的精度．１基于局部社团和全局信息的ＬＣＩＩ预测算法描述ＬＣＩＩ算法旨在根据网络中节点之间的连边关系，为尚未产生连边的两个节点预测可能会在未来产生的连边．通过分析节点所在网络的同配系数，考虑两个候选节点的度值，以及局部社团网络中边聚类系数和ＬＣＮ中的平均最短路径长度，构成ＬＣＩＩ算法（图１）．图１ＬＣＩＩ算法预测的过程图示Ｆｉｇ．１ＴｈｅｉｍａｇｅｏｆｐｒｅｄｉｃｔｉｏｎｐｒｏｃｅｓｓｏｆＬＣＩＩＬＣＩＩ不仅考虑了整个网络的同配系数以及无连边节点对的节点度大小关系，还考虑了ＬＣＮ中边聚类系数ｐ以及平均最短路径长度对链路预测算法的影响，ＬＣＩＩ算法定义为ＬＣＩＩ＝ＣＮ·ＬＣＬ·ＬＣＣ·ＤＵ（１）其中：ＣＮ为候选节点间的共同邻居数；ＬＣＬ为局部社团网络的连边总数；ＬＣＣ为局部社团系数；ＤＵ为候选节点间度关系的值．为了体现全局信息与局部社团信息的平等，，ＬＣＩＩ由ＣＮ，ＬＣＬ，ＬＣＣ和ＤＵ以相乘的形式得出，其中ＬＣＣ综合了边聚类系数和平均最短路径长度，其定义为ＬＣＣ＝ｐ／Ｌ（２）ｐ＝ＬＣＬＣＮ（ＣＮ－１）／２（３）边聚类系数ｐ表示一个网络中连边聚集程度的系数［１０］，其定义为网络中邻居节点间的实际连边数量与网络中所有节点可能存在最大连边数之比．一个网络中的边聚类系数越大，网络中节点越接近，节点间的联系越紧密．在局部社团网络
【作者单位】：浙江工业大学计算机科学与技术学院;
【基金】：国家自然科学基金资助项目(61374152)
【分类号】：O157.5

【相似文献】