结合共同邻居贡献度的节点相似性链路预测算法

• 作者: 张燕平 王鑫 钱付兰 陈喜
• 来源期刊: 数据采集与处理
• 学科: 工学
• 关键词: 复杂网络 链路预测 贡献度 紧密度 节点相似性
• 年，卷（期）: 2018,（5）
• 页码范围: 900-910
• 页数: 11页
• 分类号: TP391
• 字数: 7081字
• 语种: 中文
• DOI: 10.16337/j.1004-9037.2018.05.015

摘要

链路预测是复杂网络的一个重要研究方向,基于节点相似性的链路预测方法是最为常用的一种方法.目前大部分使用节点链接紧密度的节点相似性链路预测方法,未考虑每个共同邻居节点的差异性,即不同的节点对连边的贡献度是不同的.本文提出一种结合共同邻居节点之间的节点贡献度和链接紧密度的链路预测算法.该算法首先计算共同邻居节点之间的链接信息作为节点的链接紧密度,再定义耦合度聚簇系数表示共同邻居节点贡献度,最终将二者结合.在实际数据集上的实验结果表明,该算法比4种经典的链路预测算法(CN,AA,RA和Jaccard)和基于节点链接密度的算法CNBIDE具有更好的预测精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张燕平	安徽大学计算机科学与技术学院	148	1556	21.0	32.0
5	钱付兰	安徽大学计算机科学与技术学院	30	184	8.0	12.0
9	王鑫	安徽大学计算机科学与技术学院	18	104	5.0	9.0
13	陈喜	安徽大学计算机科学与技术学院	4	11	2.0	3.0