科学合作网络中消失链路预测问题研究

发布时间：2021-05-11 16:23

　　科学合作网络中蕴涵着丰富的网络科学信息,挖掘网络中的演化规律一直是网络科学领域的重要课题。而链路预测是研究复杂网络演化的有效方法。众所周知,网络中链接的形成和消失是链接动态演化的基本过程。目前的研究主要集中在预测链接的形成,而对于消失链路预测问题的关注较少。本文主要研究科学合作网络中消失链路预测问题,以便更深入地理解网络演化的机制。首先,本文给出了科学合作网络中消失链路预测的定义,探究了科学合作网络中影响链接消失的可能因素。通过统计分析了多个因素与链接消失之间的关系,并给出各个因素与链接消失的相关性结果。然后,本文从两个角度对消失链路预测进行细致研究,提出了两种消失链路预测方法来解决这个问题,分别是基于结构相似性的方法和基于网络表示学习的方法。基于结构相似性的消失链路预测方法MPA考虑了节点的不同邻居链接具有不同影响,该方法计算简单,可以快速预测网络中消失的链路。基于网络表示学习的消失链路预测算法TDL2vec结合了网络结构信息和时间属性,该方法能够灵活地预测未来不同时刻网络中消失的链路。本文所提的两种方法在DBLP和APS数据集构成的科学合作网络中进行了消失链路预测实验。实验结果表明... 

【文章来源】：大连理工大学辽宁省 211工程院校 985工程院校 教育部直属院校

【文章页数】：60 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
        1.2.1 链路预测研究现状
        1.2.2 消失链路预测研究现状
    1.3 本文研究内容和贡献
        1.3.1 本文研究目的和主要工作
        1.3.2 本文创新点
    1.4 本文组织结构
2 链路消失问题描述及现象分析
    2.1 问题定义
    2.2 数据预处理
    2.3 影响链接消失的因素分析
        2.3.1 合作次数
        2.3.2 历史合作次数
        2.3.3 共同邻居数
        2.3.4 邻居间链接数
        2.3.5 链接的存在时间
    2.4 各因素与链接消失比率的相关分析
    2.5 本章小结
3 基于结构相似性的消失链路预测
    3.1 基于结构相似性的消失链路预测算法
    3.2 基于结构相似性的对比算法
    3.3 评价指标
        3.3.1 AUC
        3.3.2 精确度
    3.4 实验评估
    3.5 本章小结
4 基于网络表示学习的消失链路预测
    4.1 基于网络表示学习的消失链路预测算法
    4.2 分类器的选取
    4.3 实验评估
        4.3.1 对比算法
        4.3.2 模型参数设置
        4.3.3 实验结果
    4.4 本章小结
结论
参考文献
攻读硕士学位期间发表学术论文情况
致谢



本文编号：3181724