基于网络结构的链路预测方法研究

发布时间：2022-07-16 16:02

　　链路预测问题是复杂网络研究的一个重要分支,近几年由于复杂网络的发展以及网络结构信息的高可靠性,基于网络结构的链路预测方法受到了学者们的广泛关注,提出了很多经典方法。但是当前的方法对网络结构的利用率不高。针对该问题,本文做了以下三个方面的研究:（1）在现有的基于扩散的链路预测算法中,将节点间关系认为是对称关系,忽略了节点重要性不同对节点间关系的影响。文章在局部随机游走指标的基础上通过在节点间引入非对称的平衡因子提出了非对称局部随机走相似性指标（asymmetry local random walk,ALRW）。实验结果表明非对称性的引入提高了预测算法的预测精度。（2）网络结构描述的是可见关系,而网络中还包含非可见关系。基于网络结构的链路预测方法忽略了现实网络中存在的非可见关系。本文在LRW指标的基础上加入非可见关系得到接地局部随机游走相似性指标（grounded local random walk,GLRW）。之后将ALRW指标和GLRW指标融合得到接地非对称局部随机游走相似性指标（grounded asymmetry local random walk,GALRW）。ALRW指标和GL... 

【文章页数】：52 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第1章 绪论
    1.1 研究背景及意义
    1.2 国内外的研究现状
    1.3 本文主要工作和章节安排
        1.3.1 主要工作
        1.3.2 章节安排
第2章 基础理论
    2.1 链路预测问题描述
    2.2 基于网络结构的链路预测
        2.2.1 基于局部信息的相似性指标
        2.2.2 基于路径的相似性指标
        2.2.3 基于随机游走的相似性指标
    2.3 相关研究
        2.3.1 复杂网络的拓扑性质
        2.3.2 复杂网络的高阶组织形式
        2.3.3 热传导
        2.3.4 基于网络结构的节点重要性评价方法
    2.4 评价指标
    2.5 本章小结
第3章 基于非对称关系的局部随机游走链路预测算法
    3.1 问题描述
    3.2 ALRW算法
    3.3 实验及结果分析
        3.3.1 实验结果
        3.3.2 实验结果分析
    3.4 本章总结
第4章 基于非可见关系的局部随机游走链路预测算法
    4.1 问题描述
    4.2 GALRW算法
    4.3 实验结果与分析
        4.3.1 实验结果
        4.3.2 实验结果分析
    4.4 本章总结
第5章 基于三元组的链路预测算法
    5.1 问题描述
    5.2 基于三元组的节点重要性排序
    5.3 基于三元组的节点相似性链路预测算法
    5.4 实验结果与分析
        5.4.1 实验结果
        5.4.2 实验结果分析
    5.5 本章总结
结论
参考文献
致谢
攻读硕士期间发表（含录用）的学术论文


【参考文献】：
期刊论文
[1]一种改进的复杂网络链路预测算法[J]. 刘大伟,吕元娜,余智华.  小型微型计算机系统. 2016(05)
[2]依据节点贡献的链路预测方法[J]. 陈佳璐,钱宇华,张晓琴,梁新彦.  小型微型计算机系统. 2016(01)
[3]复杂网络中节点重要性排序的研究进展[J]. 刘建国,任卓明,郭强,汪秉宏.  物理学报. 2013(17)
[4]利用链路预测推断网络演化机制[J]. 刘宏鲲,吕琳媛,周涛.  中国科学:物理学 力学 天文学. 2011(07)
[5]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：3662816