基于多维相似度属性的社会网络链接预测算法研究

• 作者: 吴朗 张何灿 杨伟杰
• 来源期刊: 计算机科学与应用
• 学科: 工学
• 关键词: 链接预测 机器学习 相似度属性 社会网络
• 年，卷（期）: 2018,（8）
• 页码范围: 1239-1258
• 页数: 20页
• 分类号: TP39

摘要

链接预测是寻找社会网络中隐藏的和未来可能出现的链接,它对于分析社会网络具有重要意义。本文在对现有社会网络链接预测研究的基础上,分析了社会网络链接预测算法中的多维相似度属性,并把链接预测问题转换为分类问题,尝试使用机器学习的方法解决社会网络链接预测问题,最终通过实验得到验证,相似度属性特征对链接预测具有较高影响力,链接预测问题可以转化为分类问题通过机器学习算法得到解决。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨伟杰		13	200	7.0	13.0
2	张何灿		1	0	0.0	0.0
3	吴朗		1	0	0.0	0.0