基于交互度的链接预测算法研究

发布时间：2023-09-16 08:33

　　当前计算机网络发展迅速,使得复杂网络成为研究者们关注的重点。复杂网络的研究对于人们理解自然界和人类社会有重要意义,对于提高人们的生活品质有重要的价值。复杂网络的一个重大的研究方向是链接预测,链接预测既能发现已经存在但至今未被发现的链接,也能够预测将来可能产生的链接。已有的链接预测算法通常是计算两个节点之间的相似度指标,通过此指标来预测产生链接的可能性。在网络中要获取节点本身的属性信息是很困难的,并且节点本身属性信息的真实性难以证明,故已有的链接预测算法大多考虑的是被预测节点对的邻居节点的特征或者是网络的拓扑结构,通过邻居节点来计算节点对的相似性。研究者们在对复杂网络的多年的摸索中,发现比起其他的网络,加权有向网络对于真实网络的体现更完整。当下,对于加权有向网络的研究工作尚不多见,而本文正是对传统链接预测算法的相似度指标进行改进使之更加适应加权有向网络。传统的算法在对复杂网络的链接预测中往往只是关心网络的拓扑结构,对于节点间的交互频度的影响并不考虑,而交互行为是人类社会中最重要的一种行为模式,许多网络是由人类社会交互产生的,如:电子邮件网络、社交媒体网络等。鉴于以上情况,本文提出从被预测...

【文章页数】：49 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 研究背景和意义
    1.2 国内外研究现状与存在的问题
    1.3 本文的主要内容
    1.4 本文的组织结构
第二章 背景知识
    2.1 复杂网络
        2.1.1 复杂网络的复杂性
        2.1.2 社会网络、信息网络以及生物网络
        2.1.3 复杂网络的特征
        2.1.4 复杂网络的表示
        2.1.5 图的表示方法中的基本概念
    2.2 链接预测
        2.2.1 链接预测的定义
        2.2.2 基于相似度的链接预测算法
    2.3 指标性能检测
        2.3.1 数据集的划分
        2.3.2 评测方法
    2.4 本章小结
第三章 基于交互度的链接预测
    3.1 交互度
        3.1.1 问题的提出
        3.1.2 交互行为的描述
        3.1.3 交互图与交互度
    3.2 加权有向网络中的链接预测
        3.2.1 加权有向网络的定义
        3.2.2 加权有向网络中的相似度指标
    3.3 基于交互度的链接预测算法
    3.4 本章小结
第四章 实验与分析
    4.1 实验运行环境和实验数据
        4.1.1 实验运行环境
        4.1.2 实验过程
    4.2 BERNARD&KILLWORTH网
        4.2.1 实验数据简介
        4.2.2 实验结果展示与分析
    4.3 电子邮件网络
        4.3.1 实验数据简介
        4.3.2 实验结果展示与分析
    4.4 本章小结
第五章 总结与展望
    5.1 总结
    5.2 展望
参考文献
致谢



本文编号：3846686