有向网络及加权网络的链路预测研究——毕业答辩.pptx

有向网络及加权网络的链路预测研究姓名： 学号： 指导教师： 答辩提纲研究背景评价指标有向网络的链路预测基于局部相似性指标的有向链路预测算法基于共同兴趣的有向链路预测算法基于Potencial理论的有向链路预测算法加权网络的链路预测加权网络中的局部相似性指标弱连接效应的作用研究背景链路预测：通过网络结构等信息预测网络中尚未连边的两个节点连边的可能性。研究现状：复杂网络中的链路预测大多集中在无向和无权网络中，而有向网络及加权网络的研究很少。评价指标数据处理：90%训练集、10%测试集、不存 在的边 没有连边的节点对(x, y) ，赋予分数 值Score. 评价指标：AUC越高，预测精度越高有向网络中的链路预测算法基于局部相似性指标的有向链路预测算法基于共同兴趣的有向链路预测算法基于Potencial理论的有向链路预测算法基于局部相似性指标的有向链路预测算法AUCDCNDAADRAC.elegans0.77950.78560.7868PB0.92100.92110.9224预测精度 DRADAADCN基于共同兴趣的有向链路预测算法A与B共同关注D、E，那么A与B是相似性节点。A有一条到C的链路，B与C产生链路的可能性更大。基于共同兴趣的有向链路预测算法算法步骤找到目标节点的相似性节点（节点A）找到目标节点的候选节点（节点C)赋予（目标节点，候选节点）分数值计算分数基于共同兴趣的有向链路预测算法w(u, c, s)三种计算策略：V1、Vra、Vsim基于共同兴趣的有向链路预测算法AUCV1VraVsimC.elegans0.82550.84420.8493PB0.93110.93930.9393相比较DCN、DAA、DRA，预测精度一定的提升预测精度：Vsim Vra V1基于共同兴趣的有向链路预测算法αβγV1VraVsim1000.78560.7938077370.7749070500.72480.71480.40.20.40.80210.85130.83310.30.30.40.77810.82360.80800.30.40.30.79660.83060.82680.30.50.20.82550.84420.84930.20.60.20.79570.81600.82480.30.60.10.78830.80930.81000.150.70.150.78140.80720.81290.10.80.10.78920.80980.8146调整参数α、β、γ的比例，提高预测精度基于Potencial理论的有向链路预测算法目标：寻找最优含环子图基于Potencial理论的有向链路预测算法12种链路预测器算法：当某条链路缺失后，能产生更多的含环子图，那么存在连边的可能性就越大。基于Potencial理论的有向链路预测算法AUCS1S2S3S4S5S6S7S8S9S10S11S12C.elegans0.76050.68740.76910.56030.87110.75710.77510.55310.78510.66960.67800.7681PB0.92120.84330.83830.70460.95950.86590.86790.75180.94790.83490.76160.8584S5预测精度最高，性能稳定。Bi-fan为最优含环子图预测精度明显提升加权网络中的局部相似性指标AUCCNAARAWCNWAAWRANetScience0.91940.90940.92940.93850.94710.9495USAir0.93120.92340.93990.91460.93470.9429弱连接效应的作用弱连接效应：权重小的边 反而对链路预测影响更大α在-1左右，预测精度最高调整参数α，提升预测精度谢谢各位答辩老师的指导！