基于XGBoost算法的社交网络链路预测

• 作者: 朱亮 王友国 陈耀飞
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: 链路预测 XGBoost 机器学习 社交网络
• 年，卷（期）: 2019,（11）
• 所属期刊栏目: 网络、通信与安全
• 页码范围: 132-135,139
• 页数: 5页
• 分类号: TP393
• 字数: 4298字
• 语种: 中文
• DOI: 10.11907/rjdk.191142

摘要

提升链路预测精度是复杂网路研究的基础问题之一.传统基于局部信息相似性、基于全局信息相似性与基于随机游走相似性的链路预测都是基于单个相似性指标进行预测的,而没有充分利用这些相似性指标的综合信息.将链路预测问题看作机器学习中的二分类问题,将有连接的样本标签记为1,无连接的样本标签记为0,将基于局部信息、基于全局信息与基于随机游走相似性等15个指标作为样本特征.综合考虑以上信息,使用XGBoost算法,选取AUC作为模型评价准则,在facebook真实数据集上进行实验.结果表明,该算法在测试集上的AUC高于基于单个相似性指标链路预测的AUC.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王友国	南京邮电大学理学院	47	193	7.0	11.0
2	朱亮	南京邮电大学通信与信息工程学院	6	15	2.0	3.0
3	陈耀飞	南京邮电大学理学院	1	0	0.0	0.0