符号网络链接预测算法研究综述

符号网络链接预测包括网络结构上两个节点间未知链接的可能性预测与符号预测两方面,其相关研究对于分析和理解符号网络的拓扑结构、功能及演化行为具有十分重要的意义,在个性化推荐、态度预测、蛋白质交互作用研究等领域有着重大的应用价值。文中综述了符号网络链接预测问题的研究成果,介绍了相关概念、符号网络的理论基础、常用符号网络数据集以及预测精度评价标准;将目前主要的符号网络链接预测算法按照设计思路分为有监督学习与无监督学习两大类,详细阐述了每种算法的主要思想;归纳总结了符号网络链接预测问题的特点和规律,讨论了目前存在的问题并指出了面临的挑战和未来可能的发展方向。这能为信息学、生物学、社会学等领域的相关研究人员提供有益参考。

融合局部与全局紧密度的符号网络链接预测算法

鉴于大多数符号网络预测算法仅能对已有链接缺失的符号进行预测,无法实现未知的链接及其符号预测,提出一种融合局部与全局结构特征定义节点间相似性的符号网络链接预测算法。基于结构平衡理论,利用连接两节点的步长为2和3的路径信息分别定义局部和全局链接紧密度,有效融合两者得到两节点的总相似度,其绝对值度量了链接建立的可能性,其符号即为链接的符号预测结果。在多个经典的符号网络数据集上对算法的有效性和正确性进行了验证,并与符号网络中有代表性的预测算法进行了准确率以及推荐链接的对比分析。结果显示,所提算法在链接预测与符号预测两方面均达到了较好的预测性能。

符号网络中融合聚集系数与符号影响力的链路预测算法

为快速、准确地实现符号社会网络中的链接预测与符号预测双重目标,提出一种融合共同邻居节点的聚集系数与连边符号影响力的链路预测算法.基于结构平衡理论,有效利用节点的度、聚集系数、路径上的中间传输节点、连边符号及其影响力等信息,分别定义了两节点基于一阶共同邻居和二阶共同邻居的相似性,最终得到两节点的总相似性得分,用其绝对值度量两节点建立链接的可能性,通过其符号获得链接的符号预测结果,从而实现符号网络中的链路预测.在6个有代表性的符号网络数据集上进行了实验,以AUC、调整的Precision’、Accuracy等为评价指标,对比了多个符号网络链接预测算法,并进行了可调步长参数的敏感性分析.实验结果表明,所提算法在符号网络链接预测与符号预测两方面均达到了较好的性能,无论是稀疏网络还是负链接预测,准确性均高于其他算法.