隐马尔可夫模型的异质网络链接预测方法研究

摘要：

为了解决异质网络的结构信息和语义信息挖掘不全面的问题,针对异质网络的链接预测,提出了将基于元路径的分析方式与隐马尔可夫模型相结合的链接预测方法.考虑到聚簇可以有效地捕获异质网络的结构信息,将k-means算法进行改进得到基于距离均方差最小的初始聚簇中心方法,并将其应用到隐马尔可夫模型(HMM)中,设计了基于聚簇的一阶隐马尔可夫模型(C-HMM(1))的链接预测方法,同时提出基于聚簇的二阶隐马尔可夫模型(C-HMM(2))的异质网络的链接预测方法.进一步考虑数据的特征信息,提出了将最大熵模型和二阶隐马尔可夫模型相结合的链接预测方法ME-HMM.实验结果表明,ME-HMM比C-HMM方法的链接预测精确度更高,且ME-HMM因充分考虑到数据的特征信息比C-HMM的性能更加优异.

关键词：异质网络、链接预测、隐马尔可夫模型、聚簇、最大熵

所属期刊栏目：43

分类号：TP181(自动化基础理论)

资助基金：国家重点研发计划No.2018YFB1004101

在线出版日期：2022-06-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：214-225