基于深度卷积神经网络的多节点间链路预测方法

• 作者: 刘琳岚 张学佩 杨志勇 舒坚
• 来源期刊: 电子学报
• 学科: 工学
• 关键词: 机会网络 多节点 链路预测 卷积神经网络 模式分类
• 年，卷（期）: 2018,（12）
• 所属期刊栏目: 学术论文
• 页码范围: 2970-2977
• 页数: 8页
• 分类号: TP393
• 字数: 5081字
• 语种: 中文
• DOI: 10.3969/j.issn.0372-2112.2018.12.021

摘要

目前,链路预测的研究主要针对拓扑结构变化缓慢的社交网络,集中在单节点对的链路预测.本文针对拓扑变化频繁的机会网络,提出一种基于模式分类的多节点间链路预测方法.该方法基于混沌时间序列理论确定机会网络的切片时间,采用状态图表征网络的拓扑结构,借助深度卷积神经网络在特征提取上的优势,从状态图的演化过程中提取机会网络的结构特征,根据当前特征推断未来链路的演化模式,实现多节点间的链路预测.在ITC(Imote-Traces-Cambridge)真实数据集上的实验结果表明,相比于基于CN(Common Neighbor)、AA (Adamic-Adar)、Katz等预测方法,本文方法具有更好的精度和稳定性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘琳岚	南昌航空大学信息工程学院	66	339	10.0	14.0
2	舒坚	南昌航空大学软件学院	78	574	12.0	20.0
3	杨志勇	南昌航空大学软件学院	6	13	3.0	3.0
4	张学佩	南昌航空大学软件学院	1	6	1.0	1.0