基于统一描述网络结构模型的链路预测方法

摘要：

面向网络链路预测的随机分块模型和层次结构模型利用全概率思想计算节点对之间的链路形成概率,但无法有效利用从宏观、中观网络结构到微观低阶环或模体结构中的重叠结构信息,导致链路预测结果的准确率较低.根据笛卡尔积和幂集等概念,借鉴随机分块模型和层次结构模型思想,构建一种对层次结构信息、重叠结构信息和微观结构信息进行统一描述的网络结构模型(USI).基于USI模型提出一种链路预测方法,依据网络结构信息给出USI模型中的集合划分,利用最大似然估计法计算节点对之间的链路形成概率,最终根据概率并联策略得到链路预测结果.实验结果表明,与基于节点相似性的经典链路预测方法相比,该方法在LT、ER、OP网络数据集上的AUC值提升了 0.075～0.143,具有更高的链路预测准确性,并且验证了网络规模对链路形成具有一定的影响.

关键词：复杂网络、链路预测、统一描述、网络结构模型、前端融合

所属期刊栏目：48

分类号：TP393(计算技术、计算机技术)

资助基金：国家自然科学基金;郑州市协同创新重大专项

在线出版日期：2022-09-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：51-58