融合朴素贝叶斯方法的复杂网络链路预测

• 作者: 刘忠信 王润芳 陈增强
• 来源期刊: 智能系统学报
• 学科: 工学
• 关键词: 复杂网络 融合朴素贝叶斯模型 局部朴素贝叶斯模型 贝叶斯模型 链路预测 共同邻居 节点度 网络重构
• 年，卷（期）: 2019,（1）
• 页码范围: 99-107
• 页数: 9页
• 分类号: TP391
• 字数: 7471字
• 语种: 中文
• DOI: 10.11992/tis.201810025

摘要

近来复杂网络成为了众多学者的研究热点.但真实网络中的连边信息并不完整,不利于网络的分析研究,链路预测可以挖掘网络中的缺失连边,为网络重构提供基本依据.本文认为网络中链接的产生不仅受外部因素 共同邻居的影响,还受其自身因素的影响.其中,共同邻居的影响可以通过文献中的局部朴素贝叶斯(LNB)模型量化,节点的影响则根据其自身的度量化.本文将两者综合考虑,提出了融合朴素贝叶斯(SNB)模型,然后用共同邻居(CN)、Adamic-Adar(AA)和资源分配(RA)指标进行推广.在美国航空网(USAir)上的实验结果表明,该方法的预测准确度比LNB和基准方法均有所提高,从而证明了该方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈增强	南开大学人工智能学院	345	4297	35.0	48.0
3	刘忠信	南开大学人工智能学院	63	679	13.0	24.0
9	王润芳	南开大学人工智能学院	1	2	1.0	1.0