基于社团多特征融合嵌入表示的时序链路预测方法

摘要：

时序动态网络在静态网络基础上综合了时间属性的概念,包含了网络结构的复杂性、动态性等内涵,是研究复杂网络链路预测问题的较优思维对象,因在现实世界中具有较高应用价值而备受关注.目前大部分传统方法研究对象仍局限于静态网络,存在对网络时域演化信息利用不充分、时间复杂度较高等问题.结合社会学理论,提出一种基于社团多特征融合嵌入表示的时序链路预测方法,该方法的核心思想是通过分析网络动态演化特性,在社团范围内学习节点的嵌入表示向量,融合多特征以衡量节点间连边的生成概率.利用网络集体影响力的方法对节点和连边的权值进行计算,基于集体影响的连边权值进行社团划分,将网络划分为若干个社团子图,得到基于集体影响的相似性指标.在社团范围内,利用有偏的随机游走,结合梯度优化的Skip-gram方法获取所有节点的嵌入表示向量,得到基于社团范围游走的相似性指标.融合节点的集体影响、社团范围节点的多个中心性特征和学习到的节点表示向量,得到多特征融合的相似性指标,3种新指标都可以用于衡量节点之间形成连边的概率.对比基于移动平均、嵌入表示、图神经网络等经典时序链路预测方法,在6个真实数据集上的实验结果表明,所提基于社团多特征融合的方法在AUC评价标准下取得更优的预测性能.

关键词：时序链路预测、社团特征、影响力、多特征、随机游走、嵌入表示

所属期刊栏目：9

分类号：TP393(计算技术、计算机技术)

资助基金：国家自然科学基金61803384

在线出版日期：2023-03-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共16页

页码：67-82