复杂网络上链路预测地研究.pdfVIP

’坪北lU／J人学硕I：学他论义 摘 要 当前复杂网络研究中的热点问题是理解复杂网络的演化，而网络演化建模中一 个基本的计算问题是链路预测。本文丰要关注复杂网络上的链路预测算法，其中基 于相似性的预测算法是本文的研究重，rj、i。本文在一组真实网络数据上的实验表明， 集群系数对各种相似性指标的预测结果有比较重要的影响，尤其是对局部相似性指 标，比如CN和RA。一般来说，对高集群系数的网络，各种相似性指标都可以给 出比较满意的预测结果。需要注意的是，利用网络路径信息的相似性指标，比如 Katz和LP，其中路径长度的最优卜限与网络平均路径有直接的关联，一般来说， 路径长度的最优上限等于网络平均距离，如果加入长度超过平均距离的路径信息， 算法的预测结果可能还会变差。另外，本次实验发现，基于随机游走的算法，比如 LRW和RWR，对网络拓扑的变化不敏感。尤其LRW指标，在各种网络上都能够 给出比较满意的预测结果。 另外，本文提出了一个普适的验证模型，可以从中发掘网络演化过程中的一些 特性。并且在此模型之上，实验验证了“新链路”对局部网络演化产生的影响。本 文利用加权的相似性指标给新链路赋予较大的权重，这样在下一步的预测中，