基于骨干度与网络编码的链路预测模型研究

• 作者: 胡旭飞 许云峰
• 来源期刊: 河北工业科技
• 学科: 工学
• 关键词: 计算机网络 网络表示学习 链路预测 社交网络 相似性
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 研究与开发
• 页码范围: 310-313
• 页数: 4页
• 分类号: TP391
• 字数: 2718字
• 语种: 中文
• DOI: 10.7535/hbgykj.2019yx05003

摘要

为了研究网络表示学习在社交网络中链路预测方面的应用,提出了一种基于骨干度与网络编码的链路预测模型(BDLINE).在网络表示学习算法LINE的基础上融入骨干度算法,通过给一阶相似度和二阶相似度中增添骨干权重,将网络编码到多维向量空间中,调试到最优参数.实验采用2个真实数据的数据集,分别在不同的算法模型上进行多次实验.实验结果表明:在链路预测方面,BDLINE均比其他网络表示学习算法的性能有所提升,AUC评测值更高,预测效果表现得更好.因此,所提出的方法可以方便地提取网络特征信息,更好地处理社交网络在链路预测中的随机性,对社交网络中预测网络节点的关联性和有效性具有一定的参考.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	许云峰	河北科技大学信息科学与工程学院	30	197	8.0	13.0
2	胡旭飞	河北科技大学信息科学与工程学院	1	2	1.0	1.0