基于权重模拟的复杂网络链路预测算法研究

论文摘要

随着科技的进步,以复杂网络为研究对象的网络科学得到快速发展。作为网络科学的热门研究方向之一,链路预测的主要任务是发现网络中未知或错误的链接。链路预测的研究不仅有助于理解网络结构和演化机制,而且具有广泛的社会应用价值。现有的预测指标多是基于节点相似性来衡量链接产生的可能性,相比之下,从链接重要性的角度提出的指标较少。因此,本文以无权无向网络为研究对象,基于网络动力学中为节点或链接赋权的思想,提出了针对链接的权重模拟策略,并结合该策略从链接拓扑结构、节点相似性和网络表示学习三个角度提出了新的预测算法。首先,结合链接的聚类系数这一拓扑结构,提出了基于链接聚类系数的权重模拟预测指标——ERA。在10个真实网络上的实验结果既表明ERA指标具有良好的预测效果,也验证了链接的聚类系数能直观的反映网络的局部结构。其次,为了进一步提高预测精度,考虑用节点相似性来描述链接的重要性。同时,结合资源分配过程,用信息补偿策略来区分不同距离邻居节点的贡献度,提出了三种预测指标——RCN、RAA和RRA。通过实验分析不同评价标准下的预测精度,验证了新指标良好的预测性能和稳定性。最后,为了减少时间消耗,基于网络表示学习,用节点空间向量来描述节点间的亲密性,进而提出了新的预测模型。并通过结合DeepWalk、LINE和Node2vec三种表示学习算法进行权重模拟,得到了对应的预测指标,有效的提高了计算效率。实验结果表明,这些预测指标都有着较高的预测精度。另外,与LINE和Node2vec相比,基于DeepWalk的权重模拟预测指标有着更好的预测性能和鲁棒性。

论文目录

中文摘要

Abstract

第一章绪论

1.1 研究背景和意义

1.2 链路预测问题的研究现状

1.3 主要研究内容

1.4 论文的组织结构

第二章相关理论基础

2.1 网络定义和表示

2.2 复杂网络的拓扑结构性质

2.2.1 度与平均度

2.2.2 度分布与度异质性

2.2.3 聚类系数

2.2.4 路径与网络密度

2.2.5 度相关性与同配系数

2.3 链路预测的基本概念

2.3.1 问题描述

2.3.2 数据集划分

2.3.3 评价标准

2.4 基于相似性的链路预测指标

2.4.1 基于局部信息的相似性预测指标

2.4.2 基于路径的相似性预测指标

2.4.3 基于随机游走的相似性预测指标

2.5 本章小结

第三章基于链接聚类系数的权重模拟预测算法

3.1 权重模拟策略

3.2 链接的聚类系数

3.3 基于链接聚类系数的权重模拟预测指标

3.3.1 加权相似性指标

3.3.2 算法思想描述

3.3.3 实验步骤设计

3.4 实验及结果分析

3.4.1 实验数据集

3.4.2 参数对预测性能的影响

3.4.3 不同预测指标的性能对比和分析

3.5 本章小结

第四章基于资源分配的权重模拟预测算法

4.1 资源分配指标

4.2 基于资源分配的权重模拟预测指标

4.2.1 含参的加权相似性指标

4.2.2 算法思想描述

4.3 实验及结果分析

4.3.1 参数对预测性能的影响

4.3.2 不同预测指标的性能对比和分析

4.4 本章小结

第五章基于表示学习的权重模拟预测算法

5.1 网络表示学习

5.2 基于DeepWalk的权重模拟预测算法

5.2.1 算法描述及DeepWalk参数设置

5.2.2 实验数据集

5.2.3 距离度量方式的选择

5.2.4 参数对预测性能的影响

5.2.5 不同预测指标的性能对比和分析

5.3 基于LINE的权重模拟预测算法

5.3.1 算法描述及LINE参数设置

5.3.2 参数对预测性能的影响

5.3.3 不同预测指标的性能对比和分析

5.4 基于Node2vec的权重模拟预测算法

5.4.1 算法描述及Node2vec参数设置

5.4.2 参数对预测性能的影响

5.4.3 不同预测指标的性能对比和分析

5.5 计算效率对比

5.6 本章小结

第六章总结与展望

6.1 总结

6.2 展望

参考文献

在学期间的研究成果

致谢

文章来源

类型: 硕士论文

作者: 焦梦瑶

导师: 胡荣静

关键词: 链路预测,链接聚类系数,资源分配,网络表示学习

来源: 兰州大学

年度: 2019

分类: 基础科学

专业: 数学

单位: 兰州大学

分类号: O157.5

总页数: 75

文件大小: 3285K

下载量: 99

基于权重模拟的复杂网络链路预测算法研究

论文摘要

论文目录

文章来源

相关论文文献

猜你喜欢