基于拓?fù)湎嗨菩缘膭?dòng)態(tài)網(wǎng)絡(luò)鏈路預(yù)測(cè)方法.pdf

1、復(fù)雜網(wǎng)絡(luò)作為建模分析復(fù)雜系統(tǒng)的有效工具，正吸引著眾多學(xué)者的研究興趣，真實(shí)世界的復(fù)雜系統(tǒng)通常隨著時(shí)間不斷演化改變，而本文研究的動(dòng)態(tài)網(wǎng)絡(luò)恰好能夠合理刻畫這種動(dòng)態(tài)特性。對(duì)動(dòng)態(tài)網(wǎng)絡(luò)將來某時(shí)刻邊的預(yù)測(cè)，即動(dòng)態(tài)網(wǎng)絡(luò)鏈路預(yù)測(cè)問題，在諸如在線產(chǎn)品推薦、社交網(wǎng)絡(luò)好友推薦或生物分子功能交互檢測(cè)等領(lǐng)域中具有極大的應(yīng)用背景和實(shí)用價(jià)值。
　　目前，大部分鏈路預(yù)測(cè)工作都集中在靜態(tài)網(wǎng)絡(luò)上，其中基于共同鄰居(Common Neighbor, CN)相似性的鏈路預(yù)

2、測(cè)方法最為人們熟知，由于其計(jì)算簡(jiǎn)單且時(shí)間復(fù)雜度低，還經(jīng)常被擴(kuò)展到動(dòng)態(tài)網(wǎng)絡(luò)鏈路預(yù)測(cè)上，如CN-last和CN-all方法，然而這兩種方法忽略了動(dòng)態(tài)網(wǎng)絡(luò)中邊的時(shí)序性這個(gè)重要信息，使得其預(yù)測(cè)準(zhǔn)確性不夠理想。本文給出了廣義共同鄰居(Generalized Common Neighbor, GCN)的定義，用來計(jì)算兩個(gè)頂點(diǎn)在動(dòng)態(tài)網(wǎng)絡(luò)中廣義上的共同鄰居個(gè)數(shù)，結(jié)合邊的時(shí)序性，給出了三種基于廣義共同鄰居的相似性計(jì)算方法，包含GCN-E, GCN-L和G

3、CN-IL，基于廣義共同鄰居相似性，提出了一個(gè)動(dòng)態(tài)網(wǎng)絡(luò)鏈路預(yù)測(cè)的方法，這種方法保留了共同鄰居復(fù)雜度低的特點(diǎn)，同時(shí)有效利用了動(dòng)態(tài)網(wǎng)絡(luò)的時(shí)序性信息，可以提高預(yù)測(cè)準(zhǔn)確性。
　　本文在人工合成數(shù)據(jù)和真實(shí)網(wǎng)絡(luò)數(shù)據(jù)上，對(duì)提出的動(dòng)態(tài)網(wǎng)絡(luò)鏈路預(yù)測(cè)方法進(jìn)行了實(shí)驗(yàn)研究。實(shí)驗(yàn)結(jié)果表明，本文提出的GCN-E、GCN-L和GCN-IL三種方法得到的預(yù)測(cè)準(zhǔn)確度相差不大。而與CN-last和CN-all方法相比時(shí)，預(yù)測(cè)效果有明顯提升，如GCN-E在所有實(shí)驗(yàn)的三