基于最简子图的链接表示及预测

• 作者: 尚振浩 房一泉 程华
• 来源期刊: 计算机工程与科学
• 学科: 工学
• 关键词: 最短路径 最简子图 链接表示 长短期记忆网络 (LSTM) 链接预测
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 计算机网络与信息安全
• 页码范围: 253-259
• 页数: 7页
• 分类号: TP393
• 字数: 5478字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2019.02.009

摘要

稀疏网络的传统链接预测准确率低, 为了捕捉稀疏网络节点间建立链接的可能性, 提出基于节点间最短路径的最简子图概念.最简子图反映了节点间的拓扑紧密关系, 在采用node2vec节点向量化方法的基础之上, 实现了基于最短路径的链接表示, 并采取长短期记忆循环神经网络 (LSTM) 学习长链接节点序列的特征, 最终实现链接的分类.实验结果表明, 该方法与已有方法相比, 在4种不同数据集上的预测AUC值平均提高了11.6％, AP值平均提高了13.3％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	程华	华东理工大学信息科学与工程学院	44	148	7.0	11.0
2	房一泉	华东理工大学信息科学与工程学院	21	55	4.0	7.0
3	尚振浩	华东理工大学信息科学与工程学院	1	0	0.0	0.0