基于社区特征的平衡模块度最大化社交链接预测模型

摘要：

链接预测和社区发现是社交网络分析领域的两大研究方向.如何挖掘社区结构帮助提高链接预测效果具有十分重要的意义.在模块度最大化模型的基础上,提出一种基于社区结构特征提取与选择的链接预测方法.首先,在网络进化模型中引入基于社区结构的相似度指标建立局部特征,并利用影响力节点识别方法构建全局特征;然后,采用最小冗余最大相关度的特征选择算法度量特征之间的相互影响,并筛选出最有表示力的候选特征;最后,将基于经过上述步骤处理后的特征融入模块度最大化链接预测模型中.该算法在人工和真实两类数据集上与相关算法做了对比实验,结果证实了该算法的高效性,也表明了基于社区结构的特征提取与选择步骤的必要性.

关键词：链接预测、社区特征、模块度、特征选择、社交网络

所属期刊栏目：46

分类号：TP391(计算技术、计算机技术)

资助基金：广东省优秀青年教师培养计划项目YQ2015177;广东省科技计划项目2017ZC0348;广东高校重大科研项目与成果培育计划项目2017GKTSCX009

在线出版日期：2019-05-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：253-259