复杂网络的链路属性预测技术研究

发布时间：2021-07-11 16:26

　　现实生活中人们接触的各式各样的复杂系统都可以抽象为复杂网络。而且复杂网络牵涉到多种不同领域的学科知识,因此关于复杂网络的研究也吸引了来自不同学术的专业科研人士。通过研究分析这些形形色色的网络有助于我们对现实世界的社会、经济、技术和生物系统的理解。与复杂网络相干的钻研问题很多,本文主要探索链路预测的相关技术。因为链路预测能够揭示网络中潜在的隐藏属性关系,以致于具备重要的钻研意义和价值。现有的链路预测算法大多都是基于网络的拓扑构造建模,因为通过网络结构挖掘信息具有可靠性和可信性。然而已有算法受到精度和通用性的限制,所以构建更为通用和高精度的链路预测算法非常关键。该文侧重讨论了无权和加权两种网络,主要研究成果如下:NCE模型是结合矩阵分解的表征学习算法,适用在无向无权网络链路预测。它从度量网络中任意两个节点之间的全局概率转移的角度来解决图节点嵌入问题。这里定义了两个节点之间的全局概率转移矩阵计算方法GPTM,它是将随机游走和矩阵分解的两种方式结合起来定义节点之间的关联指标,将其应用于网络嵌入的学习过程当中。这里将无权链路预测看作有监督的二分类问题。将节点的表征向量与逻辑回归模型结合起来,预测... 

【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校

【文章页数】：90 页

【学位级别】：硕士

【部分图文】：

链路预测的应用（图片源自网络）

第一章绪论3某些关键路段瘫痪，而这些障碍路段将直接的或间接的诱发其它相关路段，促使连锁效应，终究致使全部路段拥堵和滞留不前。可以通过链路预测手段，构建交通网络系统，依靠网络中节点的重要性来分析每条路径的畅通情况，提前做好路段引导分流，以避免交通网络瘫痪。以及流行病传播与免疫控制，社会意见传播，通信网络等等方面的广泛应用。1.2链路预测算法的国内外研究现状链路预测属于网络科学的一部分，随着网络科学理论的发展，网络科学研究者们提出了众多的链路预测算法模型。链路预测算法可以粗略的分为四种：其一是依赖网络拓扑的启发式链路预测算法，其二是依赖节点已知属性特征的机器学习链路预测算法，其三是依赖先验知识的最大似然链路预测算法，其四是依赖网络表征学习潜在的隐式特征的链路预测算法。如图1-2所示。图1-2链路预测算法的简单分类

电子科技大学硕士学位论文8第二章复杂网络的相关理论基础如上文所述，大千世界中各种形态的系统都可以表述为包含点边和属性的网络，这些抽象的网络既有不同点，又有相同之处。例如四种常见的网络模型：规则网络(RN)、随机网络(ER)、小世界网络(WS)和无标度网络(BA)，这些网络模型统统被称为复杂网络。近年来，人们在描述复杂网络拓扑结构属性时相继提出了很多理论和方法。例如常见的网络拓扑属性：网络的聚类系数、平均最短路径和节点度的分布等等。为什么网络的拓扑结构如此重要呢？因为网络的拓扑结构总是潜移默化的影响网络的功效。例如，交际网络的拓扑构造将干涉消息与疾病的散布，电力系统的拓扑构造将干扰电力输送的稳健性与持续性等等。2.1复杂网络理论基础著名的Konnigsberg镇七桥问题，可谓有了解过图论的人都非常知晓。其中欧拉通过利用数学的知识将其刻画为点线组成的图，证明了七桥无解的经典有趣故事。现在涉及复杂网络的钻研与欧拉昔日对于七桥问题的解答是息息相关。从而表明了复杂网络的渊源历史，也为复杂的发展奠定了丰富的理论根基。复杂网络的复杂性主要体现在如下几个方面[38]：(1)结构复杂性：巨大的食物链网络，内部结构无章可循和千变万化如图2-1。而且随着时间的推移，网络内部的链接也会动态的发生改变，导致网络结构的不确定性。例如目前已经被科学家深入研究的大规模网络万维网(WWW)，每天都会产生大量的新的链接和已经存在的链接被删除。同时，一些网络节点间的关联强度和方向也是不确定的。例如，动物的神经细胞构成的网络，节点是各种类型的突触，而突触之间既有抑制关系，也存在激发关系。图2-1小石湖的食物网[1]

【参考文献】：
期刊论文
[1]复杂网络链路预测[J]. 吕琳媛.  电子科技大学学报. 2010(05)



本文编号：3278440