CN106960251-CN201710136070-一种基于节点相似性的无向网络连边权值预测方法.pdfVIP

(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 106960251 A (43)申请公布日 2017.07.18 (21)申请号 201710136070.3 (22)申请日 2017.03.09 (71)申请人 浙江工业大学 地址 310014 浙江省杭州市下城区潮王路 18号浙江工业大学 (72)发明人 宣琦　赵明浩　虞烨炜　周鸣鸣　 傅晨波　 (74)专利代理机构 杭州斯可睿专利事务所有限 公司 33241 代理人 王利强 (51)Int.Cl. G06Q 10/04(2012.01) G06F 17/30(2006.01) G06Q 10/06(2012.01) 权利要求书3页 说明书4页 附图1页 (54)发明名称 一种基于节点相似性的无向网络连边权值 预测方法 (57)摘要 一种基于节点相似性的无向网络连边权值 预测方法，包括以下步骤：1)根据已有数据集，包 括节点与连边权值，建立无向网络图；2)分别计 算1)中网络图的下列三类相似性指标：局部相似 性指标、全局相似性指标和半局部相似性指标； 3)根据2)中计算所得的三类相似性指标，利用多 元线性回归模型，预测测试集中连边权值，然后 用十折交叉验证法，检验模型平均性能，包括皮 尔森系数与均方根值。本发明利用节点相似性， 采用多元线性回归模型预测缺失的连边权值，模 型简单，预测结果较好。 A 1 5 2 0 6 9 6 0 1 N C CN 106960251 A 权　利　要　求　书 1/3页 1.一种基于节点相似性的无向网络连边权值预测方法，其特征在于：包括以下步骤： S1：利用已有的无向网络结构数据集，其中包含网络节点与节点之间的连边权值，构建 无向网络图G＝(V，E)； S2：根据图G＝(V，E)，利用链路预测中的节点相似性理论，分别计算出如下三类特征： 局部相似性指标、全局相似性指标和半局部相似性指标，其中，局部相似性指标包括共同邻 居CN、Salton指标、Jaccard指标、Sφrensen指标、大度节点有利指标HPI、大度节点不利指 标HDI、LHN-I指标、优先链接指标PA、Adamic-Adar指标AA和资源分配指标RA；全局相似性指 + 标包括Katz指标、LHN-II指标、平均通勤时间ACT、基于随机游走的余弦相似性cos 、带重启 的随机游走RWR、SimRank指标SimR和矩阵森林指标MFI；半局部相似性指标包括局部路径指 标LP、局部随机游走指标LRW和叠加的局部随机游走指标SRW； S3：根据十折交叉验证方法，将数据集中的网络连边权值平均划分为十份，其中的九份 作为训练集，剩下的一份的作为测试集；根据S2中计算出的特征，用R语言进行多元线性回 归分析，最后根据拟合的结果与原始数据得到如下评价指标：皮尔森相关系数和均方根值。 2.如权利要求1所述的基于节点相似性的无向网络连边权值预测方法，其特征在于：所 述步骤S2中，图G的邻接矩阵A＝(a ) ，i,j∈{1,2,...,n}， ij n×n 其中： 根据邻接矩阵A，分别计算如下相似性指标： 1)共同邻居CN： 其中|Q|表示集合Q的元素个数，Γ(x)定义为节点x的邻居节点集合， 表示节点x与节 点y之间的CN指标值；