基于扰动方法的复杂网络链路预测

发布时间：2021-01-16 21:05

　　链路预测是研究复杂网络的有效工具之一,简单来说,链路预测就是指根据网络已知的信息去预估这个网络中没有相连的两节点间将会产生连接的概率。最近几年,链路预测受到了众多领域以及很多学者的关注,因为链路预测在理论研究和实际应用上都有很重要的价值。理论研究上,链路预测可以用于研究复杂网络的演变过程,实际应用方面,可以应用于推荐系统等等。由于复杂网络的链路预测具有重要的研究价值,因此如何准确并且高效的预测出网络未知连边是一项十分重要的工作。通过近年来的研究,大批复杂网络链路预测的算法开始出现,目前来说最主流的预测方法是基于节点相似性的这类链路预测算法。传统意义的链路预测方法虽然早已十分成熟,然而仍有些不足。例如,传统的指标是高度退化的,对于大多数节点对都具有相同的分数而无法区分;其次,这些指标都是静态和确定的,并不考虑任何动态的行为,对相同结构的网络给出相同的结果,但真实的网络往往是动态产生的,演化的过程同样影响链接的形成。本文提出的方法对传统方法的不足做了适当改进和研究,都围绕着扰动的概念,即利用网络已知的部分信息来恢复原网络的结构并得到网络的一些未知信息,主要工作内容如下:（1）基于矩阵扰动和... 

【文章来源】：西安电子科技大学陕西省 211工程院校 教育部直属院校

【文章页数】：66 页

【学位级别】：硕士

【部分图文】：

网络SPM扰动示意图

拟网络演化过程。另一方面，许多链路预测算法例如局部相似度指标也都对应特定的网络演化机制，可以用来估计网络的演化过程。图5.1 网络演化过程对链路形成和链路预测影响示意图。tN 表示网络在 t 时刻的状态，网络中的实线代表网络已知连边，黑色虚线代表未知连边（丢失连边）。假设每一步网络都是根据CN 来演化的，根据这个规则，（1,7）间的连边在1t 1时刻出现，然而，如果我们根据 来预测 时刻的网络，我们会预测出（1,6）而不是（1,7）。在本章中，我们提出了新的链路预测算法，我们基于一些扰动方法和相似度指标，模拟网络演化过程，提出了演化评估算法 EEM


本文编号：2981533