当前位置:主页 > 科技论文 > 数学论文 >

基于网络嵌入与转移相似性的链路预测研究

发布时间:2020-07-12 04:33
【摘要】:随着信息技术的飞速发展,复杂系统的大量涌现,网络科学作为一门新生学科也得到了快速发展。链路预测作为该领域中的一个重要课题,可以根据已有网络拓扑结构等信息,来发现网络中存在但未知的连边和预测不存在但将来可能形成的连边。链路预测在实践中,可以在社交网络中用来推荐好友、在基因调控中用来发现未知的调控关系;在理论上,则有助于揭示网络的内部结构特征,促进对复杂系统演化机制的理解。目前的链路预测算法主要是根据节点属性或者网络拓扑结构来预测连边,前者在实践中存在节点属性信息难以获取、质量难以保证等问题,而后者仅需知道网络的拓扑结构,但也存在预测精度不高的问题。本文研究属于后者,即仅根据网络拓扑结构来进行链路预测。本文首先在高阶近邻保持嵌入(High Order Proximity preserved Embedding,HOPE)算法的基础上,提出了 一种邻接嵌入(Adjacency Embedding,AE)算法,将网络中的节点用低维、实值、稠密的向量进行表征,通过在低维空间中计算这些表征向量之间的距离来推断节点的相似性,从而预测其间产生连边的可能性。通过对10个真实网络上的实验分析可以得出,相对于HOPE算法,AE算法在保证预测精度的同时,减小了时间复杂度。其次,基于节点之间相似性应当可以传递的思想,本文提出基于AE算法的转移相似性(Transferring Similarity Based on Adjacency Embedding,TSBAE)算法,结合各节点之间的潜在网络结构相似性,克服了 HOPE算法以及AE算法中由于数据稀疏性导致的相距较远的节点之间相似性预测不准确的问题。结果表明,无论是在无向网络上,还是在有向网络上,TSBAE算法都比基准算法、AE算法预测精度高。
【学位授予单位】:湖南大学
【学位级别】:硕士
【学位授予年份】:2018
【分类号】:O157.5
【图文】:

无向图,示意图,网络表示,加权图


络结构的研究。本章将会介绍复杂网络的网络表示、链路预测问题、复杂网络逡逑拓扑性质、评价指标以及本文实验部分用作对比分析的基准算法。逡逑.1网络表示逡逑根据连边是否有权重,可以将图分为加权图和无权图。在加权图中,每一条逡逑都有一个权值,而无权图的连边不存在权值。本文进行链路预测时,只考虑无逡逑网络。根据连边是否有方向,可以将图分为有向图和无向图。逡逑在无向无权网络中,网络可以由表示,其中r为节点集,£为连边逡逑,其五GGF)。节点对(0和节点对表示同一条连边,连边是逡逑有方向的,边数M的最大取值是7V(AM)/2。简单无权无向网络满足以下条件:逡逑(1)节点自己和自己不能连接,即网络中不存在如的边;逡逑(2邋)任意两个节点之间最多只能有一条连边;逡逑(3)任意两个节点之间的连边没有方向性,即当时,五;逡逑(4)连边之间没有权重的概念,只代表节点之间关系的存在性。逡逑

节点,示例,相似性,实线


逦(2.2)逡逑:e(r(.r)0r(>*))邋10§欠:逡逑式中r(x)、r00分别表示节点X和的邻居的集合,应用a邋a方法计算相似性的时逡逑候,需要考虑共同邻居的度的影响,网络中节点Z的度为屹。如图2.3得到节点1逡逑的度为3,节点3的度为4,因此可以得到节点2和节点5的相似性为:逡逑_灒担剑保▆0口3)+1/(/叹4户3.756。同理,考虑节点4和节点5的AA相似性时,也需逡逑要考虑其共同邻居节点3的度,因此可以得呀口3户2.096。由此可得,逡逑根据AA相似性的预测方法,节点2和节点5之间产生连接的可能性大于节点4逡逑和节点5之间产生连接的可能性。逡逑10逡逑

算法,相似性,有向图,源向量


<w邋^逡逑图3.2邋HOPE算法示例图逡逑图3.2是HOPE算法学习有向图示例,左边是-个有向图,右边是左图的嵌入逡逑向量空间。在左边的有向图中,实线农示观察到的有向边,虚线丨:的数字足Katz逡逑相似性值。例如,根据非对称的传递性,对V;—1(1两条路轻,图逡逑中可能存在连av,—%。根据公式(3.3),计算vjljv^Katz相似性,即0.02,邋v#jv,J逡逑Katz相似性为0.01。另一方面,因为v6—v,在相反的方向,从v,v#jKatz相似性很逡逑小,即0。在嵌入空间中,箭头表不顶点的嵌入向量,其中向量W和w丨分别表不v,?的逡逑源向量和目标向量。用邋<和《;之间的内积(也就是0〃)作为从v,.到.的近似距离,其逡逑21逡逑

【相似文献】

相关期刊论文 前10条

1 傅贤超;;基于GPU加速的图像双向相似性计算[J];现代计算机;2013年16期

2 冯永;张洋;;基于概念间边权重的概念相似性计算方法[J];计算机应用;2012年01期

3 魏静;;基于社交网络服务位置的用户相似性计算方法[J];计算机与现代化;2015年07期

4 刘文剑,许之伟,陈在礼;基于事例的工艺设计中形状相似性计算方法[J];计算机集成制造系统-CIMS;2001年09期

5 艾均;李林志;苏湛;邬春学;;基于观点传播的改进相似性计算评分预测方法[J];上海理工大学学报;2017年03期

6 滕东兴,戴国忠,程成,童秉枢;三维场景间相似性计算初探[J];工程图学学报;2002年03期

7 王毅;唐歆瑜;谢治华;;基于向量空间模型的毕业论文相似性辨识研究[J];科学技术与工程;2007年09期

8 陈志敏;李志强;;基于用户特征和项目属性的协同过滤推荐算法[J];计算机应用;2011年07期

9 张东娜;周春光;刘彦斌;郭东伟;;一种基于WordNet和Corpus Statistics的语义相似性计算方法[J];吉林大学学报(理学版);2010年05期

10 宋艳;刘方爱;;综合颜色与纹理的图像检索[J];计算机工程与设计;2007年17期

相关会议论文 前2条

1 朱靖波;陈文亮;姚天顺;;面向TDT的主题相似性计算模型[A];语言计算与基于内容的文本处理——全国第七届计算语言学联合学术会议论文集[C];2003年

2 靳宇;蔡康颖;王文成;;基于相似性计算的大型工业3D模型压缩算法[A];第18届全国多媒体学术会议(NCMT2009)、第5届全国人机交互学术会议(CHCI2009)、第5届全国普适计算学术会议(PCC2009)论文集[C];2009年

相关博士学位论文 前1条

1 陈秀明;基于多粒度犹豫模糊语言信息的群推荐方法研究[D];合肥工业大学;2017年

相关硕士学位论文 前10条

1 刘晓钰;基于网络嵌入与转移相似性的链路预测研究[D];湖南大学;2018年

2 史同欣;基于功能网络的microRNA与疾病关联预测方法研究[D];黑龙江大学;2017年

3 候冬雪;基于重叠社区发现的微博好友推荐系统研究[D];新疆大学;2018年

4 王丽敬;地理案例的空间相似性计算[D];山东科技大学;2010年

5 虞娟;基于集成案例推理的商务智能决策研究[D];合肥工业大学;2007年

6 雷琨;电子商务个性化推荐系统研究[D];电子科技大学;2012年

7 梁毅芳;支持变型设计的三维产品语义搜索研究[D];桂林电子科技大学;2016年

8 张东娜;基于WordNet的短文本语义相似性计算研究[D];吉林大学;2010年

9 黄伟;文档的分类与相似性研究及其并行化实现[D];福建师范大学;2016年

10 刘永;数据挖掘在电信产品生命周期管理中的应用研究[D];湖南大学;2008年



本文编号:2751425

资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/yysx/2751425.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户b34bf***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com