本文主要研究内容
作者焦梦瑶（2019）在《基于权重模拟的复杂网络链路预测算法研究》一文中研究指出：随着科技的进步,以复杂网络为研究对象的网络科学得到快速发展。作为网络科学的热门研究方向之一,链路预测的主要任务是发现网络中未知或错误的链接。链路预测的研究不仅有助于理解网络结构和演化机制,而且具有广泛的社会应用价值。现有的预测指标多是基于节点相似性来衡量链接产生的可能性,相比之下,从链接重要性的角度提出的指标较少。因此,本文以无权无向网络为研究对象,基于网络动力学中为节点或链接赋权的思想,提出了针对链接的权重模拟策略,并结合该策略从链接拓扑结构、节点相似性和网络表示学习三个角度提出了新的预测算法。首先,结合链接的聚类系数这一拓扑结构,提出了基于链接聚类系数的权重模拟预测指标——ERA。在10个真实网络上的实验结果既表明ERA指标具有良好的预测效果,也验证了链接的聚类系数能直观的反映网络的局部结构。其次,为了进一步提高预测精度,考虑用节点相似性来描述链接的重要性。同时,结合资源分配过程,用信息补偿策略来区分不同距离邻居节点的贡献度,提出了三种预测指标——RCN、RAA和RRA。通过实验分析不同评价标准下的预测精度,验证了新指标良好的预测性能和稳定性。最后,为了减少时间消耗,基于网络表示学习,用节点空间向量来描述节点间的亲密性,进而提出了新的预测模型。并通过结合DeepWalk、LINE和Node2vec三种表示学习算法进行权重模拟,得到了对应的预测指标,有效的提高了计算效率。实验结果表明,这些预测指标都有着较高的预测精度。另外,与LINE和Node2vec相比,基于DeepWalk的权重模拟预测指标有着更好的预测性能和鲁棒性。
Abstract
sui zhao ke ji de jin bu ,yi fu za wang lao wei yan jiu dui xiang de wang lao ke xue de dao kuai su fa zhan 。zuo wei wang lao ke xue de re men yan jiu fang xiang zhi yi ,lian lu yu ce de zhu yao ren wu shi fa xian wang lao zhong wei zhi huo cuo wu de lian jie 。lian lu yu ce de yan jiu bu jin you zhu yu li jie wang lao jie gou he yan hua ji zhi ,er ju ju you an fan de she hui ying yong jia zhi 。xian you de yu ce zhi biao duo shi ji yu jie dian xiang shi xing lai heng liang lian jie chan sheng de ke neng xing ,xiang bi zhi xia ,cong lian jie chong yao xing de jiao du di chu de zhi biao jiao shao 。yin ci ,ben wen yi mo quan mo xiang wang lao wei yan jiu dui xiang ,ji yu wang lao dong li xue zhong wei jie dian huo lian jie fu quan de sai xiang ,di chu le zhen dui lian jie de quan chong mo ni ce lve ,bing jie ge gai ce lve cong lian jie ta pu jie gou 、jie dian xiang shi xing he wang lao biao shi xue xi san ge jiao du di chu le xin de yu ce suan fa 。shou xian ,jie ge lian jie de ju lei ji shu zhe yi ta pu jie gou ,di chu le ji yu lian jie ju lei ji shu de quan chong mo ni yu ce zhi biao ——ERA。zai 10ge zhen shi wang lao shang de shi yan jie guo ji biao ming ERAzhi biao ju you liang hao de yu ce xiao guo ,ye yan zheng le lian jie de ju lei ji shu neng zhi guan de fan ying wang lao de ju bu jie gou 。ji ci ,wei le jin yi bu di gao yu ce jing du ,kao lv yong jie dian xiang shi xing lai miao shu lian jie de chong yao xing 。tong shi ,jie ge zi yuan fen pei guo cheng ,yong xin xi bu chang ce lve lai ou fen bu tong ju li lin ju jie dian de gong suo du ,di chu le san chong yu ce zhi biao ——RCN、RAAhe RRA。tong guo shi yan fen xi bu tong ping jia biao zhun xia de yu ce jing du ,yan zheng le xin zhi biao liang hao de yu ce xing neng he wen ding xing 。zui hou ,wei le jian shao shi jian xiao hao ,ji yu wang lao biao shi xue xi ,yong jie dian kong jian xiang liang lai miao shu jie dian jian de qin mi xing ,jin er di chu le xin de yu ce mo xing 。bing tong guo jie ge DeepWalk、LINEhe Node2vecsan chong biao shi xue xi suan fa jin hang quan chong mo ni ,de dao le dui ying de yu ce zhi biao ,you xiao de di gao le ji suan xiao lv 。shi yan jie guo biao ming ,zhe xie yu ce zhi biao dou you zhao jiao gao de yu ce jing du 。ling wai ,yu LINEhe Node2vecxiang bi ,ji yu DeepWalkde quan chong mo ni yu ce zhi biao you zhao geng hao de yu ce xing neng he lu bang xing 。
论文参考文献
论文详细介绍
论文作者分别是来自兰州大学的焦梦瑶，发表于刊物兰州大学2019-07-29论文，是一篇关于链路预测论文,链接聚类系数论文,资源分配论文,网络表示学习论文,兰州大学2019-07-29论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自兰州大学2019-07-29论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：链路预测论文; 链接聚类系数论文; 资源分配论文; 网络表示学习论文; 兰州大学2019-07-29论文;