基于动态网络表示的链接预测

摘要：

链接预测问题是复杂网络分析领域的重要问题.现有链接预测方法大多针对静态网络,忽视了动态信息在网络中的传播.为此,针对动态网络中的链接预测问题,本文提出了一种基于动态网络表示的链接预测(dynamic network representation based link prediction,DNRLP)模型.该模型对网络中不均匀的动态信息进行了学习,提出了基于连接强度的随机游走算法来模拟动态信息在网络中的扩散,从而得到新时刻下的节点表示,然后通过度量节点表示之间的相似度进行链接预测.实验使用平均交互排序(mean reciprocal rank,MRR)和召回率(Recall@k)指标在四个公开动态网络数据集上进行实验,结果显示DNRLP模型的MRR指标较对比模型平均提高了30.8％.实验结果表明DNRLP模型不仅学习了网络中的动态信息,还考虑了其对邻居节点的影响以及时间间隔对信息更新的影响,得到了更为丰富的节点表示,对于链接预测任务具有明显优势.

关键词：链接预测、动态网络、表示学习、随机游走

所属期刊栏目：69

资助基金：北京市自然科学基金;北京市哲学社会科学基金一般项目

在线出版日期：2020-09-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共14页

页码：326-339