利用链路预测推断网络演化机制.pdfVIP

利用链路预测推断网络演化机制 ① ② ③④∗ 刘宏鲲 , 吕琳媛 , 周涛 ① 西南财经大学统计学院, 成都 610074; ② 弗里堡大学物理系, 瑞士弗里堡, CH-1700; ③ 电子科技大学互联网科学中心, 成都 610054; ④ 中国科学技术大学近代物理系，合肥 230026 摘要：直接建立演化模型推测影响网络演化的因素是目前研究网络演化机制的常用方法，但 由于可供比较的结构特征量太多，不同的模型之间难以进行定量化的比较。链路预测方法能 清晰直观地对各种因素进行辨别，因此提供了一种更好的定量化方法。本文首先介绍基于节 点相似性的链路预测方法，然后讨论利用链路预测推测网络演化机制的基本框架。在以中国 城市航空网络为例的实证分析中发现，当单独利用结构（共同邻点）和节点属性（距离、人 口、GDP 和第三产业产值）作为相似性算法的因素时，基于共同邻居的算法预测准确度最 高，暗示网络演化主要受结构因素影响，其次才是外在因素。而将四种基于节点属性的算法 与基于结构的算法耦合进行计算时，共同邻点配合第三产业产值效果最好，并且在预测效果 最佳时对应的最优参数处，第三产业产值在其中承担了比共同邻点更为重要的作用。本文为 研究网络演化模型提供了全新的视角和分析工具。 关键词：链路预测 复杂网络 演化机制 航空网络 自从对复杂网络的研究热潮出现后，对网络结构性质的研究吸引了众多学者的目光，包 括度分布、集聚性质、社团结构、节点中心性、节点间的路径长度等等。不但研究各种网络 静态结构的成果众多，而且从动态的角度揭示网络演化的机制、探寻各种微观因素对网络结 构形成的影响，成果也丰厚[1-7] 。 直接建立演化模型推测影响网络演化的因素是目前研究网络演化机制的常用方法。基于 节点度的优先连接机制可以用来产生演化的无标度网络（网络具有幂律度分布），例如， [7] Barabasi-Albert （BA ）模型 ，该模型以节点度为指标，通过优先连接机制，生成了幂指数 为3的度分布。当然，优先连接仅仅是生成无标度网络的可能机制之一，尔后许多研究者提 出了多种不同于优先连接的其他可以导致幂律度分布的演化机制[8-11] 。这类主流建模方法的 基本思路是，对基于某些因素构建出的生成网络分析其统计特征，如果具有和真实网络接近 的统计性质，那么就认为这些因素对网络的结构影响显著，也即这些因素是网络演化的重要 机制，否则认为这些因素对网络结构的影响不显著。但是，考虑分别由不同因素驱动的演化 国家自然科学基金重点项目国家自然科学基金面上项目瑞士国家自然科学基金项目 200020-121848 ，西南财经大学“211 工程三期”统计学国家重点学科建设项目，西南财经大学“211 工程三 期”青年教师成长项目资助。 ∗E-mail: zhutou@ 1 模型，那些衡量模拟网络与真实网络相似度的众多结构量化指标，很有可能表现并不一致， 以致难以辨析哪些才是影响网络演化的主导因素，以及这些主导因素在网络演化过程中分别 起到了多大的作用。举个例子来说，计算机互联网的理论模型非常多，其中有些能够更精确 地重现网络度分布和异配特性[12]，另一些则能够更好刻画网络k-core分解后的结构[13]，那么 到底哪类模型更好呢，能不能在一个统一的框架下进行比较呢？传统建模研究无法回答这个 些问题，事实上也无法建造一个统一的平台比较这些模型——这些局限性一定程度上制约了 网络演化模型研究的发展。 近几年，网络链路预测受到了广泛的关注。网络中的链路预测是指根据网络中节点的特 征或已经存在的边（结构特征），预测两个节点间边的存在性[14,15,16] 。这种预测既包含了对 未知链接（existent yet unknown links, missing links ）的预测，也包含了对未来链接（future links ）的预测。其中，基于节点