论文部分内容阅读
链路预测作为网络科学中重要的分支之一，它主要是利用已知网络中的节点、连边以及其它拓扑结构信息来预测网络中可能存在或将会在未来产生的连边。同时，链路预测还可以通过建立相应的网络模型来揭示网络的拓扑结构和传播机理并有针对性地进行预测。近年来，广大研究人员将链路预测的重点放在无权网络上，而对有权网络的研究还比较少。本论文会在讨论网络建立模型对链路预测影响的同时，分别提出了针对无权网络和加权网络的链路预测算法。本论文的主要工作和成果如下： 1.通过研究现有的链路预测算法，提出了一种基于局部社团属性的链路预测算法（LCAR），该算法充分考虑了局部社团网络中的边聚类系数，平均最短路径长度等局部信息以及网络同配系数等其它全局信息。在仿真中发现，该算法能有效地提高链路预测的准确度，不仅如此，本论文还对基于LCAR的算法进行了改造。针对真实网络的仿真结果显示LCAR预测算法及其变种都有较好的预测准确度。 2.通过研究相关加权网络中的链路预测方法，提出了一种基于可靠路由和节点度值等局部信息的加权链路预测算法，该算法在可靠路由算法的基础上，以相加的形式增添节点度值与网络平均度的比值。在真实网络的仿真中发现，基于可靠路由和局部信息的指标（LrWCN，LrWAA和LrWRA）普遍优于其它所有参加仿真的指标（基于可靠路由的预测算法等），特别是LrWRA指标预测效果最好，这证明了该算法能提升链路预测的准确度。 3.链路预测不仅可以预测连边的产生，还可以通过网络模型来预测相关网络演化的模式。因此，本文提出了一种基于链路预测的构建针对社交网络的网络模型方法，该模型以预测网络演化的形式将网络中节点和连边的增长模式刻画出来，与以往的网络模型不同的是，该模型也考虑了网络中信息传播对网络预测及模型演化的影响。从网络模型的角度出发，通过针对建立的社交网络的仿真中可以得出一个与现实世界相符的结论：深受粉丝欢迎的领导用户往往具有自己准确的判断并且有广泛的兴趣爱好。