链路预测中一种改进的相似度指标算法

摘要：

网络中的链路预测是指,如何通过已知的网络结构等信息预测网络中尚未产生连边的两个节点之间产生连接的可能性.而基于节点属性及局部信息的相似性的方法,往往计算简单而直接,计算复杂度低,且能取得较好的预测效果,比较适合大规模的网络应用.但往往各相似度算法只分别考虑到了,终节点自身的度数以及共同邻居的度数在相似指标中发挥的作用,而没有考虑到共同邻居对不同终节点自身的影响.本文通过分析、比较,现有的根据节点度数及共同邻居数量的相似度指标算法,验证各算法的侧重点以及预测效果.并且提出了一个新的CRA指标算法,进一步区分了计算相似指标时不同邻居节点对两个终节点的贡献.通过在多个不同的真实网络中进行重复试验,由平均预测结果得出算法的预测效果与其他依靠共同邻居指标的算法相比都得到了不同程度的提升.

关键词：复杂网络、链路预测、共同邻居、节点相似度、局部信息

所属期刊栏目：38

分类号：TP311(计算技术、计算机技术)

资助基金：国家"九七三"重点基础研究发展计划项目2014CB744900

在线出版日期：2017-11-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：2182-2186