加权好友推荐模型链路预测算法*

• 作者: 张燕平 杨强 钱付兰 马闯
• 来源期刊: 计算机科学与探索
• 学科: 工学
• 关键词: 复杂网络 好友推荐 链路预测 相似性指标
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 学术研究
• 页码范围: 383-393
• 页数: 11页
• 分类号: TP391
• 字数: 5828字
• 语种: 中文

摘要

链路预测是复杂网络的一个重要研究方向.基于节点结构相似性进行链路预测是目前常用的方法.真实网络中存在大量的局部群落结构,针对不同的网络结构构建算法是链路预测的核心问题.利用社交网络好友推荐策略,中介人倾向于将自己更熟悉的人介绍给目标用户,提出了一种节点相似性度量指标.该指标结合局部特征描述并有效区分了用户节点之间影响力的不同,更适用于一类特定的局部群落结构.依据该指标提出的加权好友推荐模型链路预测算法在12个数据集上的实验结果表明,该算法在AUC和Precision两个评价标准上具有明显优势.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张燕平	安徽大学计算机科学与技术学院	148	1556	21.0	32.0
2	钱付兰	安徽大学计算机科学与技术学院	30	184	8.0	12.0
6	马闯	安徽大学数学科学学院	7	21	2.0	4.0
10	杨强	安徽大学计算机科学与技术学院	1	0	0.0	0.0