融合社区发现和节点拓扑结构的链接预测方法研究
发布时间：2022-01-14 17:52
作为社会网络分析的一个重要研究方向,链接预测是根据网络中已知网络结构和节点间链接关系,来预测网络中节点之间潜在或者缺失链接的方法。随着人工智能和深度学习的广泛应用,链接预测在预测网络演变、知识图谱和揭示蛋白质交互作用等学术研究,以及商品推荐、决策支持服务等应用服务领域均有重要的研究价值。目前,已有研究工作将社区结构信息融入到链接预测的研究之中,但是现有工作缺乏对社区结构信息和链接预测融合的深入研究。因此,本文主要在深入挖掘社区结构信息的基础上,从以下两个方面开展链接预测工作:1.基于节点相似度的链接预测方法和基于局部路径的链接预测方法是两类重要的链接预测方法。现有的基于节点相似度的链接预测方法,通常会考虑社会网络中节点的度信息;现有的基于局部路径的链接预测方法,则主要考虑节点间的路径信息。考虑上述两类方法的优点,本文在基于节点度的基础上,引入局部路径概念,提出了一种融合社区结构和节点度的局部路径相似度的链接预测方法。在常见社会网络及蛋白质网络中的实验结果验证了该方法的有效性。2.现有的基于社区发现的链接预测方法,通常仅考虑了处于同一社区的节点间的链接影响,但没有区分社区内外对节点间链接...
【文章来源】：长春工业大学吉林省
【文章页数】：53 页
【学位级别】：硕士
【部分图文】：
链接预
第2章相关理论基础7a)完整网络b)训练网络c)待预测网络图1-1链接预测过程演示图图1-1展示了链接预测的实验流程。首先将完整的网络（图1-1a)）依据随机抽样的方式划分为训练网络（图1-1b)）和预测网络（图1-1c)），然后使用某种链接预测方法预测训练网络中的所有潜在链接，计算网络中两个节点间的链接概率，最后通过评价指标判断预测的链接是否为预测网络中真实的链接。2.2链接预测算法链接预测作为数据挖掘领域和社会网络分析的研究焦点之一，近年来，有许多链接预测方法被相继提出和应用。链接预测的核心思想是基于已知的链接和节点的自身的属性来对某个未知的、潜在的链接进行预测。链接预测包含两方面的含义：一、对未知的链接的预测，它可以发现社会网络中那些实际存在的，但由于某些原因还未找到的链接；二、对于网络未来某一时刻的链接，它可以通过当前时刻网络结构特征和节点之间的链接情况，来预测网络下一时刻可能产生的链接。在本章节中将对比较经典的几种链接预测方法进行详细的描述和分析。2.2.1基于相似性的链接预测算法在基于节点相似性的链接预测方法的核心思想是：若社会网络中两个节点之间的联系越密切，那么网络中两个节点之间产生链接可能性就越大。比如，在社交平台上的两个用户有着相近的年龄，同时他们之间共同的兴趣爱好、共同关注的话题等特征时，那么他们有更高的概率成为朋友关系。现有的基于相似性的预测方法结构比较简单、计算复杂度较低，常用作链接预测方法的对比方法。基于相似性的方法主要研究网络中的节点拓扑结构和节点对间的相互关系。通常基于节点相似性的链接预测方法，计算网络中节点的度信息；基于网络结构的链接预测方法，则主要考虑网络中的路径信息。由于这类方法网络结构和计算方式相对简单，?
degree,PIPM)，不同于现有链接预测方法，本文方法在考虑蛋白质网络自身社区结构同时，融合网络中的节点度和局部路径，在蛋白质网络和其他类型数据集上均有很好的预测表现。为了验证方法的有效性，本文提出的方法在蛋白质交互网络数据集上，与六种经典的链接预测方法进行了比较。3.2.1节点的局部路径定义蛋白质交互网络中联系比较稀疏，网络中节点之间具有的共同邻居和节点信息也相对较少，因此，我们将节点间次级邻居信息[2]引入到本文方法中，将节点间共同邻居、次级邻居与节点自身的度相结合，提高链接预测的准确性。如图3-1所示为示例网络中A社区的结构图，本章节分析示例网络1-3（节点1与节点3之间的链接）和节点1-5存在链接的概率大小来说明我们方法的有效性。在图3中，1-3和1-5的共同邻居都是2个。若仅利用共同邻居进行链接预测，则1-3和1-5产生链接的概率相同，但从示例网络中可以明显看出1-5链接的可能性高于1-3，即仅利用节点间的共同邻居估计两节点链接的概率是不准确的。因此，我们在共同邻居的基础上挖掘次级邻居对节点间链接可能性的贡献。事实上，网络中节点4作为节点1的次级邻居对于1-5的链接有着积极地贡献。与此同时，我们假设节点间的链接概率与目标节点本身的度呈反比关系，即目标节点的度越大，节点间链接的概率越校图3-1网络社区拓扑演示图
【参考文献】：
期刊论文
[1]基于共同邻居有效性的复杂网络链路预测算法（英文）[J]. 王凯,刘树新,于洪涛,李星. 电子科技大学学报. 2019(03)
[2]基于社区结构的集体预测算法研究[J]. 姜亚松,王冰,张艳,颜永红. 网络新媒体技术. 2019(02)
[3]基于空间映射的蛋白质相互作用网络链接预测算法[J]. 洪海燕,刘维. 计算机科学. 2016(S1)
[4]复杂网络链路预测[J]. 吕琳媛. 电子科技大学学报. 2010(05)
硕士论文
[1]复杂网络的链路预测研究与应用[D]. 吴梅.青岛大学 2019
[2]社交网络链接预测技术研究[D]. 刘元元.西安电子科技大学 2019
本文编号：3588945
【文章来源】：长春工业大学吉林省
【文章页数】：53 页
【学位级别】：硕士
【部分图文】：
链接预
第2章相关理论基础7a)完整网络b)训练网络c)待预测网络图1-1链接预测过程演示图图1-1展示了链接预测的实验流程。首先将完整的网络（图1-1a)）依据随机抽样的方式划分为训练网络（图1-1b)）和预测网络（图1-1c)），然后使用某种链接预测方法预测训练网络中的所有潜在链接，计算网络中两个节点间的链接概率，最后通过评价指标判断预测的链接是否为预测网络中真实的链接。2.2链接预测算法链接预测作为数据挖掘领域和社会网络分析的研究焦点之一，近年来，有许多链接预测方法被相继提出和应用。链接预测的核心思想是基于已知的链接和节点的自身的属性来对某个未知的、潜在的链接进行预测。链接预测包含两方面的含义：一、对未知的链接的预测，它可以发现社会网络中那些实际存在的，但由于某些原因还未找到的链接；二、对于网络未来某一时刻的链接，它可以通过当前时刻网络结构特征和节点之间的链接情况，来预测网络下一时刻可能产生的链接。在本章节中将对比较经典的几种链接预测方法进行详细的描述和分析。2.2.1基于相似性的链接预测算法在基于节点相似性的链接预测方法的核心思想是：若社会网络中两个节点之间的联系越密切，那么网络中两个节点之间产生链接可能性就越大。比如，在社交平台上的两个用户有着相近的年龄，同时他们之间共同的兴趣爱好、共同关注的话题等特征时，那么他们有更高的概率成为朋友关系。现有的基于相似性的预测方法结构比较简单、计算复杂度较低，常用作链接预测方法的对比方法。基于相似性的方法主要研究网络中的节点拓扑结构和节点对间的相互关系。通常基于节点相似性的链接预测方法，计算网络中节点的度信息；基于网络结构的链接预测方法，则主要考虑网络中的路径信息。由于这类方法网络结构和计算方式相对简单，?
degree,PIPM)，不同于现有链接预测方法，本文方法在考虑蛋白质网络自身社区结构同时，融合网络中的节点度和局部路径，在蛋白质网络和其他类型数据集上均有很好的预测表现。为了验证方法的有效性，本文提出的方法在蛋白质交互网络数据集上，与六种经典的链接预测方法进行了比较。3.2.1节点的局部路径定义蛋白质交互网络中联系比较稀疏，网络中节点之间具有的共同邻居和节点信息也相对较少，因此，我们将节点间次级邻居信息[2]引入到本文方法中，将节点间共同邻居、次级邻居与节点自身的度相结合，提高链接预测的准确性。如图3-1所示为示例网络中A社区的结构图，本章节分析示例网络1-3（节点1与节点3之间的链接）和节点1-5存在链接的概率大小来说明我们方法的有效性。在图3中，1-3和1-5的共同邻居都是2个。若仅利用共同邻居进行链接预测，则1-3和1-5产生链接的概率相同，但从示例网络中可以明显看出1-5链接的可能性高于1-3，即仅利用节点间的共同邻居估计两节点链接的概率是不准确的。因此，我们在共同邻居的基础上挖掘次级邻居对节点间链接可能性的贡献。事实上，网络中节点4作为节点1的次级邻居对于1-5的链接有着积极地贡献。与此同时，我们假设节点间的链接概率与目标节点本身的度呈反比关系，即目标节点的度越大，节点间链接的概率越校图3-1网络社区拓扑演示图
【参考文献】：
期刊论文
[1]基于共同邻居有效性的复杂网络链路预测算法（英文）[J]. 王凯,刘树新,于洪涛,李星. 电子科技大学学报. 2019(03)
[2]基于社区结构的集体预测算法研究[J]. 姜亚松,王冰,张艳,颜永红. 网络新媒体技术. 2019(02)
[3]基于空间映射的蛋白质相互作用网络链接预测算法[J]. 洪海燕,刘维. 计算机科学. 2016(S1)
[4]复杂网络链路预测[J]. 吕琳媛. 电子科技大学学报. 2010(05)
硕士论文
[1]复杂网络的链路预测研究与应用[D]. 吴梅.青岛大学 2019
[2]社交网络链接预测技术研究[D]. 刘元元.西安电子科技大学 2019
本文编号：3588945
本文链接：https://www.wllwen.com/shoufeilunwen/benkebiyelunwen/3588945.html
