基于集体影响和边聚类信息的链路预测算法

• 作者: 宋甲秀 张曦煌 杨晓翠
• 来源期刊: 计算机科学与探索
• 学科: 工学
• 关键词: 复杂网络 链路预测 集体影响 聚类信息 贝叶斯网络 相似性算法
• 年，卷（期）: 2018,（12）
• 所属期刊栏目: 网络与信息安全
• 页码范围: 1914-1925
• 页数: 12页
• 分类号: TP391
• 字数: 9948字
• 语种: 中文
• DOI: 10.3778/j.issn.1673-9418.1803027

摘要

链路预测的任务是挖掘网络中缺失的链接或预测一对节点之间存在链路的可能性.如何有效准确地预测不完整复杂网络中的缺失链接是一个具有挑战性的问题.综合考虑节点的集体影响以及边的聚类信息对所预测边的贡献,提出一种新的链路预测算法CELP(link prediction algorithm based on collective influence and edge clustering information),并结合节点的社区属性,基于设计的贝叶斯网络提出其在标签网络的扩展算法CELP*.来自各个领域的多个测试网络的实验结果表明,与典型的链路预测方法及近期的部分指标相比,所提算法在保持同等AUC水平的同时,提高了预测精度,也进一步肯定了局部节点信息和链路信息对于链路预测工作的重要性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张曦煌	江南大学物联网工程学院	134	1137	14.0	27.0
2	杨晓翠	江南大学物联网工程学院	4	12	2.0	3.0
3	宋甲秀	江南大学物联网工程学院	4	12	2.0	3.0