基于节点连接模式相关性的链接预测方法
作为复杂网络分析中的一个研究热点,链接预测在许多领域中都有重要的应用价值,得到了广泛的关注.使用网络中的已知结构信息来计算未连接的节点对之间的相似性,进而评估其存在链接的可能性是目前最常用的方法.不同网络具有不同的结构特征,节点之间的特征对链接的形成具有重要影响.为了提高链接预测的性能,文中定义了节点的连接模式,并基于节点连接模式的相关性(Correlation of Nodes'Connecting Patterns,CNCP)设计了一个新的链接预测模型.该模型将CNCP与基本相似性指标相结合,通过综合节点的相似性与节点连接模式的相关性进行链接预测.文中将CNCP与CN(Common Neighbors),RA(Resource Allocation),AA(Adamic-Adar)及PA(Preferential Attachment)4个相似性指标相结合,提出了CNCP-CN,CNCP-RA,CNCP-AA和CNCP-PA 4个新的链接预测指标.在6个真实数据集上的实验结果表明,所提方法在AUC和Precision 2个评价标准上的性能优于对比方法.
复杂网络、链接预测、节点连接模式相关性、相似性指标
46
TP391(计算技术、计算机技术)
国家自然科学基金61602225;兰州大学中央高校基本科研业务费专项资金lzujbky-2019-90
2020-01-11（万方平台首次上网日期，不代表论文的发表时间）
共6页
20-25
