一种新链接预测方法在复杂网络中应用.docVIP

一种新的链接预测方法在复杂网络中的应用 　　摘要： 作为复杂网络分析的一项重要任务，链接预测已经被应用到诸多领域，例如：个性化推荐、决策支持系统和犯罪调查等。常用的链接预测方法主要是基于网络拓扑结构的方法，没有考虑网络的聚类信息因素。实际上，网络的聚类结果包含了对链接预测很重要的信息。在此基础上，一种基于聚类信息和网络特征的链接预测模型被提出，并在人造和真实网络数据集上进行了验证，具有较好的预测效果。 　　关键词： 数据挖掘；链接预测；复杂网络；无标度；聚类信息 　　中图分类号： TP301.6 文献标识码：A 文章编号：1009-3044（2016）18-0032-03 　　A Novel Link Prediction in Complex Networks 　　LI Fen-hua 　　（Department of Computer Science and Technology， Yuncheng University， Yuncheng 044000， China） 　　Abstract： Link prediction is an important task of complex network analysis， which has been applied in various domains such as personal recommendation systems， decision support systems， crime investigation and so on. The classical link prediction methods are based on network topology structure and its features， in which the clustering information has not been considered. However， the clustering results of a network contain some vital information for link prediction. In this paper， a novel link prediction based on network clustering information and its features is proposed. Through experiments on the synthetic datasets and real world datasets， our proposed method has the good prediction accuracy. 　　Key words： data mining； link prediction； complex networks； scale free； clustering information 　　1 引言 　　现实世界的很多系统可以用网络来描述，在网络中节点表示对象，链接表示对象间的联系[1]。近年来，复杂网络的研究和分析已经引起了很多学者的高度关注，逐渐成为诸多领域的一个研究热点。然而，真实的复杂网络是动态变化的：随着时间的推移，网络中的节点或边会快速的增长和变化。如何能够准确地预测未来网络中出现或消失的边是一个既有趣又富有挑战性的问题，例如：在朋友网络中，预测未来朋友间可能存在的新关系并进行推荐。上述问题就是所谓的链接预测问题，已经成为很多领域亟待解决的一个问题。 　　作为链接挖掘的一个分支，链接预测是指根据已知的网络拓扑结构或节点属性来预测复杂网络中未来存在链接的可能性[2，6]。传统的数据挖掘方法无法解决这个问题，其原因在于：传统的数据挖掘方法假定研究的对象实体之间是相互独立的，不考虑对象实体之间的关系。现有的链接预测方法主要是基于网络拓扑结构的方法，没有考虑复杂网络聚类信息在预测中的作用[2]。实际上，复杂网络的聚类结果中包含了很多对链接预测有用的信息，而这些信息对链接预测的效果能够起到很好的辅助作用，这一点已经被很多文献所证明：冯旭等人通过在人造和真实数据集上的实验，初步揭示了网络的聚类信息对链接预测性能的提升有较好的辅助作用[3]；Soundarajan等人也通过实验证明了网络聚类信息在链接预测中的重要性[4]。针对上述问题，结合大多数复杂网络具有的无标度特性，本文提出了一种基于聚类信息和网络特征的链接预测方法，通过后续实验表明，该方法具有较好的链接预测效果。 　　2常用链接预测方法及其评估标准 　　2.1 常用链接预测方法 　　现有的链接预测方法主要分为如下三类[5]： 　　1）基于网络拓扑结构的方法：该类方法主要是根据网络