基于灰色关联分析的混合相似性模型在链接预测中的应用研究

发布时间：2021-01-13 18:30

　　人类对复杂网络的研究历史悠久,并且随着信息技术的高速发展,各种复杂网络大量涌现。然而,这些网络并非都是完整的,作为复杂网络分析中的一个重要方向,链接预测旨在利用所观测到的网络信息,挖掘缺失的、潜在的或虚假的链接。除此以外,链接预测还提供了一种理解网络演化的新思路,并且已在诸多领域得到了广泛的应用。到目前为止,人们已提出大量基于结构相似性的方法来解决链接预测问题,然而此类方法往往仅基于一种或两种网络拓扑特征,并假设它们适用于所有的网络。因此,此类链接预测方法具有性能不稳定的问题。针对这一问题,本文设计了一种基于灰色关联分析的链接预测方法LP_GRA,本方法混合了多个基于不同拓扑特征的相似性指标,因此具有良好的稳定性和预测精度;其次,我们进一步对多层网络进行了研究,在LP_GRA的基础上结合多层网络的层间相关性,设计了适用于多层网络的链接预测方法MLGRA。（1）LP_GRA:该方法利用GRA（Grey Relational Analysis）混合了多个经典的、基于不同拓扑特征的相似性指标。并且,为了根据所观察到的网络结构自适应地... 

【文章来源】：兰州大学甘肃省 211工程院校 985工程院校 教育部直属院校

【文章页数】：59 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
    1.3 主要工作
    1.4 论文的组织结构
第二章 链接预测相关理论及方法
    2.1 相关概念及表示
    2.2 链接预测算法介绍
        2.2.1 基于节点相似性的方法
        2.2.2 利用机器学习的方法
        2.2.3 基于概率模型的方法
        2.2.4 基于信息论的方法
    2.3 多层网络的介绍及相关概念
    2.4 多层网络链接预测方法
        2.4.1 NSILR
        2.4.2 LAA
        2.4.3 LPIS
    2.5 链接预测常用的性能评价指标
        2.5.1 AUC
        2.5.2 Precision
第三章 基于灰色关联分析的单层网络链接预测方法
    3.1 引言
    3.2 GRA方法
    3.3 LPGRA方法
        3.3.1 LPGRA的详细介绍
        3.3.2 权重分配方法
        3.3.3 实例研究
    3.4 实验评估
        3.4.1 实验数据集
        3.4.2 Friedman test
        3.4.3 参数K的取值对AUC的影响
        3.4.4 LPGRA和对比方法的AUC比较
        3.4.5 LPGRA和对比方法的Precision比较
    3.5 小结
第四章 基于灰色关联分析的多层网络链接预测方法
    4.1 引言
    4.2 MLGRA方法
        4.2.1 层间相关性的度量
        4.2.2 MLGRA的定义
    4.3 实验评估
        4.3.1 实验数据集
        4.3.2 多层网络的层间相关性分析
        4.3.3 MLGRA中参数φ对预测结果的影响
        4.3.4 在多层网络上层间信息的加入对预测性能的影响
        4.3.5 MLGRA与其它多层网络方法的性能比较
    4.4 小结
第五章 总结与展望
    5.1 本文工作总结
    5.2 下一步研究工作
参考文献
在学期间的研究成果
致谢



本文编号：2975358