基于聚类系数的链路预测算法改进

摘要：

链路预测是指通过已知的网络信息来预测网络中的丢失边信息或者是错误连边信息,链路预测是对于网络分析和数据挖掘的一项支撑学科.经过数十年的学科发展,链路预测得到了长足的发展,大量新的预测算法得以提出.本文提出了一种基于网络节点中聚类系数的算法优化思路,并将该优化思路运用到9种经典的算法上,在5种真实数据集上的实验表明了该优化思路的可行性.链路预测的准确性研究多基于丢失边的预测,对于错误连边的准确性预测少有涉及,本文的实验部分同时涉及了丢失边的预测以及错误连边的预测.传统的链路预测比较实验,对于测试集多选取10％这一固定值,本文为了说明算法的健壮性,针对不同大小的测试集进行了广泛的实验.

关键词：复杂网络、链路预测、聚类系数、错边识别、局部相似性

所属期刊栏目：13

分类号：TP391(计算技术、计算机技术)

在线出版日期：2017-05-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：239-243,245