一种采用社团信息的链接预测方法.pdfVIP

第３３卷第１２期 计 算 机 应 用 研 究 Ｖｏｌ．３３Ｎｏ．１２ ２０１６年１２ 月 ＡｐｐｌｉｃａｔｉｏｎＲｅｓｅａｒｃｈｏｆＣｏｍｐｕｔｅｒｓ Ｄｅｃ．２０１６ 一种采用社团信息的链接预测方法* 方 彪，陈可佳，蔡小雨 （南京邮电大学计算机学院，南京２１０００３） 摘 要：链接预测研究如何利用网络中已有的信息预测可能存在的关系链接，目前已成为数据挖掘领域的热点 研究问题之一。社会网络中普遍存在社团结构，社团对链接的形成有重要的影响，但在大多数链接预测方法中 未得到深入研究。针对这一现象提出一种新的链接预测方法，采用社团信息改进节点对样本的描述，并在监督 学习框架中学习和预测。在现实数据集Ｆａｃｅｂｏｏｋ和ＡＣＦ 中的实验结果表明，加入社团信息的链接预测方法获 得了更高的准确率。 关键词：链接预测；社团发现；监督学习；社会网络分析 中图分类号：ＴＰ１８１ 文献标志码：Ａ 文章编号：１００１ ３６９５（２０１６）１２ ３５３５ ０４ ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ２０１６．１２．００４ Ｌｉｎｋｐｒｅｄｉｃｔｉｏｎｍｅｔｈｏｄｕｓｉｎｇｃｏｍｍｕｎｉｔｙｉｎｆｏｒｍａｔｉｏｎ ＦａｎｇＢｉａｏ，ＣｈｅｎＫｅｊｉａ，ＣａｉＸｉａｏｙｕ （ＣｏｌｌｅｇｅｏｆＣｏｍｐｕｔｅｒ，ＮａｎｊｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＰｏｓｔｓ＆Ｔｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎｓ，Ｎａｎｊｉｎｇ２１０００３，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｌｉｎｋｐｒｅｄｉｃｔｉｏｎｓｔｕｄｉｅｓｈｏｗｔｏｕｓｅｔｈｅｅｘｉｓｔｉｎｇｉｎｆｏｒｍａｔｉｏｎｉｎｔｈｅｎｅｔｗｏｒｋｔｏｐｒｅｄｉｃｔｔｈｅｐｏｔｅｎｔｉａｌｒｅｌａｔｉｏｎｓｈｉｐｂｅ ｔｗｅｅｎｕｎｌｉｎｋｅｄｎｏｄｅｓ，ａｎｄｉｔｈａｓｂｅｅｎｏｎｅｏｆｔｈｅｈｏｔｔｅｓｔｒｅｓｅａｒｃｈｐｒｏｂｌｅｍｓｉｎｄａｔａｍｉｎｉｎｇ．Ｃｏｍｍｕｎｉｔｙｓｔｒｕｃｔｕｒｅｓｅｘｉｓｔｐｒｅｖａ ｌｅｎｔｌｙｉｎｓｏｃｉａｌｎｅｔｗｏｒｋｓ，ｔｈｅｙｈａｖｅｓｉｇｎｉｆｉｃａｎｔｉｍｐａｃｔｏｎｆｏｒｍｉｎｇｌｉｎｋｓ．Ｈｏｗｅｖｅｒ，ｐｅｏｐｌｅｈａｖｅｎｏｔｔｈｏｒｏｕｇｈｌｙｓｔｕｄｉｅｄｔｈｉｓｌｉｎｋ ｐｒｅｄｉｃｔｉｏｎｐｒｏｂｌｅｍ．Ｔｏｄｅａｌｗｉｔｈｔｈｅａｂｏｖｅｍｅｎｔｉｏｎｅｄｐｈｅｎｏｍｅｎｏｎ，ｔｈｉｓｐａｐｅｒｐｒｏｐｏｓｅｄａｎｏｖｅｌｌｉｎｋｐｒｅｄｉｃｔｉｏｎｍｅｔｈｏｄ．Ｉｔｎｏｔ ｏｎｌｙｉｍｐｒｏｖｅｄｔｈｅｓｔｒｕｃｔｕｒａｌｄｅｓｃｒｉｐｔｉｏｎｏｆｎｏｄｅｐａｉｒｓｉｎｎｅｔｗｏｒｋｂｙａｄｄｉｎｇｃｏｍｍｕｎｉｔｙｉｎｆｏｒｍａｔｉｏｎ，ｂｕｔａｌｓｏｕｓｅｄｓｕｐｅｒｖｉｓｅｄ ｌｅａｒｎｉｎｇｍｅｔｈｏｄｔｏｐｒｏｃｅｅｄｌｉｎｋｐｒｅｄｉｃｔｉｏｎ．ＥｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｏｎＦａｃｅｂｏｏｋａｎｄＡＣＦｄａｔａｓｅｔｓｓｈｏｗｔｈａｔｉｔｃａｎｒａｉｓｅｔｈｅａｃ ｃｕｒａｃｙｏｆｌｉｎｋｐｒｅｄｉｃｔｉｏｎｂｙｕｓｉｎｇｃｏｍｍｕｎｉｔｙｉｎｆｏｒｍａｔｉｏｎｉｎｔｈｅｎｅｔｗｏｒｋ． Ｋｅｙｗｏｒｄｓ：ｌｉｎｋｐｒｅｄｉｃｔｉｏｎ；ｃｏｍｍｕｎｉｔｙｄｅｔｅｃｔｉｏｎ；ｓｕｐｅｒｖｉｓｅｄｌｅａｒｎｉｎｇ；ｓｏｃｉａｌｎｅｔｗｏｒｋａｎａｌｙｓｉｓ ［１］ 能性。现有的链接预测方法通常基于节点间的相似度来计算， 近年来，社会网络分析 中的链接预测问题得到了越来 越多的关注。现实网络由实体和关系组成，即网络中的节点表 相似度越高，节点间存在链接的可能性越大。因此，基于相似 示实体，节点与节点间的链接表示实体之间存在的关系。链接 度的链接预测方法主要研究相似度的定义。最