从信息学的角度分析复杂网络链路预测

摘要：

链路预测作为复杂网络分析的一项重要任务,其目的是寻找节点间缺失(新)的链路,识别虚假交互,对于挖掘和分析网络的演化,重塑网络模型具有重要意义.传统的链路预测方法多数采用拓扑结构信息、节点的属性信息和图的结构特征.应用这些特征等外部信息可以得到很好的预测效果.本文从信息学的角度全面分析、回顾和讨论了复杂网络链路预测的发展现状,提出了链路预测技术和问题的系统分类.首次将分层的思想引入链路预测分类体系中,把当前的链路预测方法分为基于监督学习的技术、基于半监督学习的技术、基于无监督学习的技术和基于强化学习的技术.对每种技术的优缺点、复杂性、所使用的具体特征,开源实现及应用建议进行了详细的分析.最后,讨论了当前复杂网络链路预测技术未来的发展方向.

关键词：链路预测、复杂网络、机器学习、信息学、深度学习

所属期刊栏目：41

分类号：TP391(计算技术、计算机技术)

资助基金：浙江省光电信息技术国际合作联合实验室、浙江省国际科技合作"一带一路"专项2015C04005

在线出版日期：2020-04-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：316-326