标签预测——关于相似度算法.pptVIP

标签预测的定义 在部分节点被标签的网络中，基于网络的结构和已知标签节点的信息预测未被标签节点的分类 标签预测的方法 相似性算法 局部算法 Common Neighbors Jaccard Index Sorensen Index Adamic-Adar Index Resource Allocation 全局算法 Katz Average commute time Cos+ RWR（Random Walk with Restart） Even-step RWR 相似性算法应用于链路预测 简单用例 实验数据 数据集Political Books 105个节点，441条边 红色表示中立派蓝色表示自由派黄色表示保守派 处理数据 a）归为两类标签b）保持三类标签 以比例q将数据集随机划分为训练集和测试集 实验部分结果 CN与RN差异的分析 两节点结构 与 三节点结构（consistency and two-step consistency） Common Neighbors：a-a-a，a-b-a，a-a-b Relational Neighbors：a-a，a-b 局部算法与全局算法的比较 实验结果 结论 local算法表现不差于global算法（q=0.1除外） local算法具有更低计算复杂度 将链路预测的相似性算法应用于标签预测是可行的 不足 评价指标的