基于网络表示学习的链路预测算法*

• 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: 链路预测 几何布朗运动 随机游走算法 网络表示学习算法
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 网络与信息安全
• 页码范围: 812-821
• 页数: 10页
• 分类号: TP391
• 字数: 8028字
• 语种: 中文
• DOI: 10.3778/j.issn.1673-9418.1805029

摘要

网络是表达对象之间复杂联系的重要形式,广泛存在.而链路预测作为网络分析的重要方法,具有很大的研究意义和应用价值.传统的链路预测算法普遍是基于邻接矩阵的稀疏表示方案而设计,计算效率低且扩展性差.首先引入网络表示学习的概念,创新性地提出基于几何布朗运动的随机游走算法GbmRw,然后进一步设计出网络表示学习算法GBMLA,实现更具区分能力与表达能力的网络表示,最后以节点表示向量的欧式距离来表征节点之间的相似性,从而预测其链路存在的可能性.不同领域的多个网络中进行反复实验的结果表明,该算法较之于基于原始网络设计的传统算法,预测效果得到了明显的提升,也进一步肯定了网络表示学习对于链路预测工作的重要意义.

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