作者:
原文服务方: 计算机应用研究       
摘要:
以往传统的链路预测方法大多数针对无向网络,而实际上大多数社交网络是有向的,并且没有考虑网络中同一节点对之间的重复边以及微观演化信息,因此不能较好地解决有向动态网络中的链路预测问题.针对有向网络,将节点对之间的重复边信息转换为该节点对之间连边的权值;接着采用了基于三元组模体的演化模型,对滑动窗口中相邻时间片的模体转换概率进行统计后,采用指数加权滑动平均法对其进行时序分析得到不同模体转换概率的预测矩阵,进而使用该矩阵对网络中的链边进行预测.这不仅充分利用了网络微观演化信息,而且解决了动态网络中重复边的问题.最后对实验结果进行分析发现,在高全局聚类系数高平均度的网络中AUC相比Triad Transition Matrix方法提高了近0.01,而相比CN方法提高更多.因此,所提方法能够较好地应用网络微观演化信息进行链路预测.
推荐文章
基于模体演化与社区一致性的时序链路预测方法
动态有向网络
模体演化
Holter-Winter-Additive
社区一致性
基于拓扑稳定性的有向网络链路预测方法
有向网络
链路预测
拓扑稳定性
采用链路聚类的动态网络社团发现算法
链路聚类
增量方法
社团发现
动态网络
动态网络链接预测研究
动态网络
链接预测
历史快照
时间感知
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 有向动态网络中基于模体演化的链路预测方法
来源期刊 计算机应用研究 学科
关键词 时序链路预测 有向网络 模体演化 时序分析
年,卷(期) 2019,(5) 所属期刊栏目 系统应用开发
研究方向 页码范围 1441-1445,1453
页数 6页 分类号 TP181
字数 语种 中文
DOI 10.19734/j.issn.1001-3695.2017.11.0738
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 刘群 重庆邮电大学计算智能重庆市重点实验室 62 540 11.0 21.0
2 杜凡 重庆邮电大学计算智能重庆市重点实验室 2 4 1.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (22)
共引文献  (8)
参考文献  (14)
节点文献
引证文献  (3)
同被引文献  (8)
二级引证文献  (1)
1984(1)
  • 参考文献(1)
  • 二级参考文献(0)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(1)
  • 参考文献(1)
  • 二级参考文献(0)
2002(2)
  • 参考文献(1)
  • 二级参考文献(1)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(5)
  • 参考文献(0)
  • 二级参考文献(5)
2009(6)
  • 参考文献(2)
  • 二级参考文献(4)
2010(3)
  • 参考文献(0)
  • 二级参考文献(3)
2011(4)
  • 参考文献(0)
  • 二级参考文献(4)
2012(3)
  • 参考文献(0)
  • 二级参考文献(3)
2013(1)
  • 参考文献(1)
  • 二级参考文献(0)
2014(4)
  • 参考文献(4)
  • 二级参考文献(0)
2015(1)
  • 参考文献(1)
  • 二级参考文献(0)
2016(3)
  • 参考文献(3)
  • 二级参考文献(0)
2019(3)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(3)
  • 二级引证文献(0)
2019(3)
  • 引证文献(3)
  • 二级引证文献(0)
2020(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
时序链路预测
有向网络
模体演化
时序分析
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机应用研究
月刊
1001-3695
51-1196/TP
大16开
1984-01-01
chi
出版文献量(篇)
21004
总下载数(次)
0
总被引数(次)
238385
论文1v1指导