链路预测论文：链路预测加权网络结构相似性

链路预测论文：链路预测 加权网络 结构相似性

【中文摘要】网络的结构与演化是复杂网络研究的一个基本问题。由于受到时间、空间及实验条件等的限制,有些链接并没有被探测出来,导致许多网络的静态拓扑结构在构建的过程中不是完全的,而且随着时间的演化,网络的结构不是一成不变的,旧的链接可能被去除和新的链接可能会出现。复杂网络中的链路预测是指根据已知的网络拓扑结构等信息,通过选择合适的链路预测算法,去估计节点间未知链接存在的可能性。未知的链接既可以是实际存在但尚未探测到的边,也可以是网络演化过程中将要出现的边。对这些边的预测一方面能为实验工作提供一定的指导,比如在人类致病基因和蛋白质相互作用网络中找到还不为人知的相互作用关系或者把它应用到信息推荐中去;另一方面还能加深我们对网络结构与演化的认识,甚至对网络功能和动力学过程的理解。本文针对链路预测的算法,主要做了两方面的工作:1)在无权无向网络上,提出了一种半局域的节点相似性指数,并根据它设计链路预测算法。这个指数是把资源配置的物理思想引入到局域路径指数之中,除考虑二阶路径上不同节点对相似度贡献的差异之外,主要考虑了三阶路径上不同节点对相似度贡献的差异,减少了许多节点对在算法中被赋予相同的预测分数而无法预测的情况。我们选取6个不同领域的真实网络数据作为算法精度的测试对象,预测结果表明,我们的算法在保证低的计算复杂度的同时,具有相对于其它基于局域信息的算法更高的预测精度。2)其次,我们把在无权

无向网络中提出的相似性指数拓展到加权的情况,并在3个真实的加权网络上进行测试,也得到了不错的预测精度。由于我们的算法是基于网络的拓扑结构相似性,探讨网络结构特性就显得很有必要,因而安排本文内容如下:第一章论述链路预测的意义及研究进展,第二章主要讨论可能对预测精度产生影响的网络结构特性,包括微观及宏观的统计特征,如模体、平均聚类系数等;第三章和第四章则分别介绍我们在无权无向网络及加权网络上的工作内容。最后是总结与展望。

【英文摘要】Structure and evolution is one of the basic research problems of complex networks.On one hand, many networks are incomplete as a certain number of links are not testedout in the experiments. On the other hand, the structure of networks is dynamic, whichmeans there are new links emerging over time. Link prediction is to estimate thepossibility of link appearance between two nodes that are not linked directly. Especiallyfor networks of huge size, effective link prediction methods would be helpful for furtherexperiments to check the missing links and even the future links in evolving networks.In theory, link prediction also provides another perspective to the understanding of thestructure and function of complex networks.Nowadays, many link prediction algorithms are developed based on the structuresimilarity of networks. Our thesis aims at developing new effective and

efficientalgorithms based on structure similarity as well. And there are two works had been done:1) In unweighted and undirected networks, we propose a semi-local index

whichintroduces the idea of resource allocation to the local path index, and design theprediction algorithm based on this index. We test it on 6 real networks from differentdisciplines. The prediction results show that, as well as maintaining the lowcomputational complexity, our algorithm has better prediction accuracy than thesealgorithms based on local information of networks. 2) Secondly, we extend the index toweighted case, and get good prediction accuracy on some real weighted networks, too.The thesis consists of four chapters. Chapter 1 introduces the significance andresearch development of link prediction. Chapter 2 reviews the structure characteristicsof networks which are relevant to prediction accuracy, including the microscopic andmacroscopic

statistical characteristics. In Chapter 3, we give our work on unweightedand undirected networks and the work on weighted networks is presented in Chapter 4.The conclusion and prospect of link prediction are summarized in the end.

【关键词】链路预测 加权网络 结构相似性

【英文关键词】link prediction weighted networks

structure similarity

【目录】复杂网络的链路预测摘要4-5Abstract5第1章 绪论8-121.1 链路预测问题的提出及意义8-91.2 链路测预的研究进展9-101.3 本文关注的内容10-12第2章 结构相似性与复杂网络的结构特征12-262.1 结构对等与节点相似性12-132.2 网络最基本的单元—节点和边的性质13-162.2.1 节点的重要性评价—度、点权、点介数13-152.2.2 边的重要性评价—边权、边介数、桥15-162.2.3 网络的矩阵描述162.3 大规模网络的宏观结构特征16-232.3.1 小世界性质16-182.3.2 组分182.3.3 高聚类性质18-192.3.4 网络的异质性19-222.3.5 度-度关联和度-强度关联22-232.4 网络的层次性—模体、模块、社团及等级结构23-26第3章 无权无向网络的链路预测26-373.1 链路预测的评价方法26-273.2 已知的结构相似性算法小结27-323.2.1 全局相似度指数举例27-283.2.2 10 种局域相似度指数28-313.2.3 半局域相似度指数31-323.3 改进的半局域相似度指数32-333.4 采用的真实网络数据33-343.5 预测结果及分析34-37第4章 加权网络的链路预测37-394.1 加权网络预测算法374.2 预测结果比较37-39总结与展望39-40参考文献40-44致谢44-46个人简历与攻读硕士期间完成的论文46

【采买全文】 139938848 138113721

同时提供论文写作一对一辅导和论文发表服务.保过包发 【说明】本文仅为中国学术文献总库合作提供，无涉版权。作者如有异议请与总库或学校联系。

.

.

.

.

.

.

.

.

.

.

.

.

.

.