联合社区和影响节点的通用可扩展的链接预测

摘要：

针对相似度预测算法无法同时嵌入局部和全局信息并提高运行速度等问题,融合社区发现和影响节点识别技术提出一个通用可扩展的链接预测模型.对网络进行社区划分,分别计算局部共邻节点的社区参与度和全局影响力得分,集成到统一的相似度框架中.为验证算法的有效性和可扩展性,给出在加权和无权下多个局部密集结构和影响节点识别指标的定义.在真实数据集上的实验结果表明,提出方法可快速实现通用可扩展性的预测任务,结果也普遍优于基准算法.

关键词：链接预测;社区发现;影响力节点;信息网络;相似度指标

所属期刊栏目：43

分类号：TP391(计算技术、计算机技术)

资助基金：广东省自然科学基金;广州市基础与应用基础研究基金项目;广东省普通高校重点科研平台;科研基金项目;科研基金项目

在线出版日期：2022-03-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：479-487