基于节点映射与标签数据构建的链接预测方法

摘要：

为改进基于局部或全局信息相似性度量方法中存在的无法全面提取网络结构信息的问题,以及基于网络表示学习的方法不能对链接的不存在性进行度量的问题,提出一种结合节点向量化方法与机器学习分类算法的Net2Vec-CLP框架.使用具有重启机制的随机游走方法获得节点环境序列,将源网络信息转换成向量表示,在此基础上生成标签数据集,使用带sigmoid核映射方法的SVM模型进行二分类预测.实验结果表明,算法在Facebook数据集上较Node2Vec方法AUC值提高了2.47％,在其它数据集上也有可观测的优势.同时,结合二分类思想的方法,其能明确度量不存在链接关系的数据.

关键词：链接预测、节点映射、网络表示学习、标签化数据构建、分类算法

所属期刊栏目：41

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金项目 ;广西科技厅科技开发重点基金项目 ;NSFC-广东联合基金重点基金项目

在线出版日期：2020-04-14（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：373-380