基于离散时间量子漫步的链路预测算法

量子漫步算法能模拟游走粒子在图上的量子相干演化,粒子的运动状态由量子态的相干叠加而成.与经典随机游走算法相比,量子漫步算法具有寻找目标节点时间少和源节点扩散至其他节点时间少的优点.提出一种基于离散时间量子漫步的链路预测(link predictionbased on discrete time quantum walk,简称LP-DTQW)算法.研究结果表明:相对于其他7种算法,LP-DTQW算法有更高的预测精度;LP-DTQW算法的时间复杂度远低于经典RWR(random walk with restart)链路预测算法的时间复杂度.因此,LP-DTQW算法具有更强的预测性能.

基于节点相似性的二阶链路预测方法

复杂网络中基于节点相似性的链路预测算法通常根据两个节点之间的相似度,预测节点对之间是否存在链路。提出基于节点相似性的二阶链路预测方法,判别节点对之间是否存在未连接的节点,并补全节点对之间的二阶链路。同时,提出二阶链路预测指标,计算已知节点与其他并不存在链路的节点之间的相似性,并构建二阶可达网络保留原始网络中的二阶链路信息。实验结果表明,该方法能够在真实的网络数据中找到节点对之间的缺失节点,并补全可能存在的二阶链路。不同的链路预测指标在4个不同网络中的性能表现有所不同,所有实验中的最佳精确率达83.7%。

结合实体和关系消息传递的低资源知识图谱补全

知识图谱补全是知识图谱领域的一个重要研究问题。现有的知识图谱补全工作大多假设在充足的三元组实例上进行,然而在医疗、法律等垂直领域,数据难以获取,缺乏足够的数据和先验知识,属于低资源场景。研究低资源场景下的知识图谱补全方法对于解决实际问题具有重要意义。提出结合节点和边消息传递的低资源知识图谱补全方法SMKGC(similarity messages knowledge graph completion),该方法通过感知局部关系(边)与实体(节点)实现对链接的预测。与现有方法不同,SMKGC将语义相似节点及语义相似边的特征信息与Pathcon模型进行融合,从而通过增强消息传递的特征表示来提升链接预测的准确性。具体包括两个模块:(1)基于实体相似的消息传递,在捕获给定实体对相邻实体的基础上,聚合周围相似实体信息;(2)基于关系相似的消息传递,通过关系路径获取给定实体对的相对位置,同时结合路径的相似边实现关系预测。实验结果表明,该方法在知识图谱常用的基准数据集上明显优于其他方法,同时也证明了结合相似实体和关系消息传递在低资源知识图谱补全任务中可以有效提升预测的准确度。

基于节点交互度的社会网络链路预测

链路预测是通过已知的网络拓扑和节点属性挖掘未来时刻节点潜在关系的重要手段,是预测缺失链路和识别虚假链路的有效方法,在研究社会网络结构演化中具有现实意义.传统的链路预测方法基于节点信息或路径信息相似性进行预测,然而,前者考虑指标单一导致预测精度受限,后者由于计算复杂度过高不适合在规模较大网络中应用.通过对网络拓扑结构的分析,本文提出一种基于节点交互度(interacting degree of nodes,IDN)的社会网络链路预测方法.该方法首先根据网络中节点间的路径特征,引入了节点效率的概念,从而提高对于没有公共邻居节点之间链路预测的准确性;为了进一步挖掘节点间共同邻居的相关属性,借助分析节点间共同邻居的拓扑结构,该方法还创新性地整合了路径特征和局部信息,提出了社会网络节点交互度的定义,准确刻画出节点间的相似度,从而增强网络链路的预测能力;最后,本文借助6个真实网络数据集对IDN方法进行验证,实验结果表明,相比于目前的主流算法,本文提出的方法在AUC和Precision两个评价指标上均表现出更优的预测性能,预测结果平均分别提升22%和54%.因此节点交互度的提出在链路预测方面具有很高的可行性和有效性.

基于相似性度量的PPI网络链接预测算法相关性分析

针对基于相似性度量的蛋白质相互作用网络(PPI网络)链接预测算法Sim,证明Sim指标是基于3-跳路径的指标,分析Sim矩阵和PPI网络邻接矩阵具有较强相关性,为基于相似性度量的PPI网络链接预测算法提供理论依据.

基于序列判定的多维网络双向链路稳定性预测

为了确保多维网络双向链路的稳定运行,提出一种多维网络双向链路稳定性预测算法。根据多维网络维数定义和小世界网络特性分析结果,获取多维双向网络的主要特征,通过提取的特征建立多维网络模型,采用稀疏编码网络方法对模型降维处理。以结构相似性为基础,计算降维处理后多维网络双向链路中不同节点之间的相似度,通过相似度排序结果获取一个连边序列,以连边序列为判定依据实现多维网络双向链路稳定性预测。实验结果表明,采用所提算法可以获取高精度、高效率的预测结果,有利于提升网络链路的稳定性。

融合节点信息和社区信息的复杂网络链路预测

链路预测作为复杂网络中一个充满挑战的研究方向,具有非常广泛的应用前景。链路预测被称为对网络中缺失或未观察到的链接的预测,最前沿的链路预测方法要么仅考虑节点之间相似性,要么仅简单挖掘社区之间的信息,并没有达到很好预测目的。为了解决上述问题,论文提出了一种衡量重叠社区与非重叠社区关系强度的度量标准,且为了更好地考虑社区之间的信息对预测的影响,还引入了新的社区划分方法,最后提出了一种同时考虑节点相似性和社区结构信息的链接预测框架。实验结果表明,与目前已有的算法相比,论文提出的链路预测算法在AUC精度上提升了0.2%~10.59%,证明了论文提出的方法是有效的。

一种近似图神经网络框架的无监督链路预测算法

对于无标签网络,由于基于图神经网络的链路预测方法使用其高效建模机制进行链路预测任务时性能较差,因此,提出了一种近似图神经网络框架的无监督链路预测算法(ALIP),旨在模拟图神经网络算法的高效建模机制和学习过程,解决网络节点标签缺失导致的建模不充分问题。首先,参照GCN的输入层,融合网络的结构信息和节点属性;其次,使用矩阵分解替代GCN的隐藏层,模拟正向传播;再次,借鉴恒等映射和高阶近邻的思想实现向量转化和模型优化,从而得出网络节点表示向量,该过程模拟GCN的反向传播;最后,计算相似度矩阵,进行链路预测任务性能评测。在Citeseer数据集、DBLP数据集和Cora数据集上的实验结果表明:所提ALIP算法AUC值最高为98.01%,其性能优于其他23种链路预测算法,证明了该算法的有效性和可行性,同时也为无标签的复杂网络链路预测任务提供了一种新的解决方案。

资源相似视角下智能网联汽车产业协同创新路径优化

为探究产业协同创新关联机制,提升协同创新资源分配效率,以中国2015—2022年智能网联汽车产业技术专利合作为基础,运用节点间相似性来估计未连接节点间的链接可能性,通过融合相似性指标进行关联预测,结合资源相似理论和链路预测模型推断创新主体潜在研发合作趋势,据此提出协同创新网络优化路径。研究发现,智能网联汽车产业协同创新网络规模日益扩大,整体网络分布松散,网络主体的协同合作以弱连接关系为主,尚未形成多核心技术凝聚性子群,不利于创新主体更大范围的资源共享。根据创新主体技术合作链接预测效果,智能网联汽车产业协同创新网络倾向于优先连接机制,与拥有大量邻居节点的创新主体建立连接关系;融合CN、RA和ACT指标预测,发现未来新进节点优先选择的合作对象多为网络核心节点的创新主体,汽车零部件企业间合作最为多见,整车与通信企业、互联网与电子信息企业间协同创新可能性最大。

基于知识图谱的案件特征增强法律判决预测

现有基于知识图谱的法律判决预测方法重点关注案件的要素实体和关系,不能充分地获取案件的特征信息。针对该问题,提出了一种增强案件特征融合的知识图谱法律判决预测方法。首先,该方法利用双向门控循环神经网络挖掘事实描述文本深层次的因果、时序等全文语义特征信息。然后通过知识图谱向量空间中案例间相似度注意力计算学习类案特征表示。最后,融合特征信息和知识图谱的结构化知识,丰富实体和关系在案件事实文本中的语义特征表示,实现法律判决链路预测任务。在危险驾驶罪和盗窃罪两类罪名数据集上的实验结果显示,该方法在MRR、Hit@1两个关键评价指标上与当前表现最好的链路预测模型相比提升了1.5%左右,Hit@3和Hit@10等指标也均有提升,验证了案件特征增强融合能补充法律知识图谱中缺失的案件特征信息并提高预测的效果。

基于超网络的社会化标签相似性研究

社会化标签的相似性评估是基于标签的链路预测和个性化推荐的基础。针对以向量空间矩阵和基于图或网络的标签共现关系来度量标签之间相似性的现有方法存在的割裂社会化标签系统“用户-资源-标签”三元内在关系及语义联系丢失问题,本文引入能系统刻画“用户-资源-标签”三元内在关系的超网络模型,提出基于超网络的社会化标签相似性评估方法。该方法从用户的社会化标注行为入手,将标签表示为节点,把用户对资源标注表示为超边,构建社会化标签超网络。在此基础上,建立基于超网络的社会化标签相似性度量的两个基本原则:共有超边原则和超边包含节点数原则,并据此构建基于超网络的系列社会化标签相似性度量指标。选取代表性社会化标签应用数据集,利用链路预测的AUC和Precision评价方法对构建的相似性指标进行实验评估,实验结果表明,基于单纯共超边原则以及综合共超边与超边包含节点数原则构建的标签相似性指标优于基于标签共现网络构建的标签相似性度量指标,特别是在Precision评价方面提升明显。

基于最优路径相似度传输矩阵的链路预测方法

为解决现有的基于相似性的链路预测方法忽略了最优路径在节点间传递相似性的能力的问题,提出一种基于最优路径相似度传输矩阵的链路预测方法。首先,分析节点间最优路径对信息传输能力的影响,进而对节点间紧密中心性进行定义;其次,依据最优路径数和中心性构建相似度传输矩阵,综合节点间局部信息和全局属性衡量节点间相似度。最后,将所提方法与其他相似性指标,在6个真实网络上进行实证对比研究。结果表明,所提算法预测精度较高,且算法更加稳定。

一种基于遗忘机制与余弦相似度的智能推荐算法

为了解决传统的协同过滤推荐算法计算用户之间相似性度量时,忽略用户与物品之间的相似关系导致推荐性能下降的问题,设计了一种结合遗忘机制与用户相似度的推荐算法。该算法基于用户-用户和物品-物品余弦相似度值和关系二元性,同时引入遗忘机制,根据用户对物品的评分以及记忆留存率进行偏好权重计算,再通过仔细合并相似度的值提高系统的覆盖率和点击率。通过在数据集MovieLens上与其他链接预测算法进行对比实验,结果证明该算法的命中率相较于其他算法提高了约7%,覆盖率略高于现有算法。

基于模块度相似性的二分网络链路预测算法

基于社团结构,提出模块度相似性的二分网络链路预测算法,克服了二分网络在链路预测中丢失社团结构信息的局限性。首先,通过定义二分模块度,利用奇异值分解,将网络中的节点嵌入到欧式空间中的向量。其次,提出二分网络模块度相似性的框架,利用向量余弦相似度定义二分网络节点对之间的模块度相似性指标(MS指标)。最后,基于小提琴图和评价指标AUC,在3个真实网络上进行模拟仿真,与9种链路预测相似性指标进行对比,证明MS指标用于二分网络链路预测具有较高的精度。

考虑技术因素的技术创新合作关系预测研究——基于海工装备技术领域

[目的/意义]针对如何有效提升技术创新合作关系预测精确度的问题,提出构建基于网络拓扑结构指标和技术主体属性特征指标的融合预测指标。[方法/过程]从技术创新合作关系的特点入手,将影响主体之间技术创新合作关系形成的技术因素作为合作关系预测的重要因素,从技术相似性和技术互补性两个方面提取相应的技术主体属性特征指标,与6种网络拓扑结构指标进行融合分别构建Ⅰ、Ⅱ和Ⅲ类融合指标,并以海工装备产业技术领域为研究对象,对融合指标在技术创新合作关系预测上的有效性进行检验。[结果/结论]融合指标能够有效提升海工装备技术创新合作关系的预测精确度,最高提升幅度为29.23%,平均提升幅度也达到了14.99%,其中Ⅰ类和Ⅱ类融合指标的平均提升幅度均在10%左右,Ⅲ类融合指标的平均提升幅度为24.12%。

基于共同邻居惩罚的复杂网络链路预测方法

链接预测是确定用户间关系的基本工具;通过相似性度量进行链路预测是一种常见的方法,提出一种基于相似度的链路预测算法,根据网络结构及拓扑特性来确定相似度,引入优化链路预测度量方法,将聚类系数作为网络结构性质;此外,并考虑共享邻域,得到较其他同类链路预测方法更好的性能;实验结果表明,提出的算法性能优于经典算法;结合在社交网络环境中的实验结果可知,SLP-CNP法较其他算法具有更优精度与效率;在未来的工作中,还可尝试在所提方法的基础上,提升在加权网络、有向网络和二部网络中的适用性。

复杂网络中的链路预测研究综述

链路预测作为复杂网络研究过程中的关键技术,其核心任务在于预测各类复杂网络中未知链路存在的可能性。目前学界针对复杂网络链路预测已提出多种算法。文章首先阐述了复杂网络中的基础定义,并对链路预测的概念、应用场景和评价指标作出了具体的描述,此外,针对多篇文献所提出的链路预测研究方法及优缺点进行了总结和分析,最后总结了复杂网络链路预测未来的发展前景和研究方向。

基于图卷积神经网络和拓扑特征的微核糖核酸-疾病关联预测模型

针对在微核糖核酸(micro ribonucleic acid,miRNA)-疾病关联性研究中信息使用不充分,且过度依赖网络节点的相似度信息,预测准确率较低的问题,本研究提出了基于图卷积神经网络(graph convolutional neural networks,GCN)及拓扑特征的miRNA和疾病的关联预测计算模型GTMDA。该模型综合miRNA相似度矩阵、疾病语义相似度网络和miRNA-疾病关联关系矩阵,首先使用GCN和随机游走算法,分别获取miRNA和疾病的子图顶点嵌入特征及miRNA与疾病相似性网络的拓扑结构特征;然后将其输入多层感知器(multilayer perceptron,MLP),预测潜在关联性。结果表明,该模型的AUC值达到0.9475±0.0106,优于其他方法。此外,预测的前50个miRNA中,84%的乳腺恶性肿瘤、90%的食管癌和94%的肺癌得到了独立数据库的验证。因此,本研究模型可作为预测miRNA-疾病潜在关联的可靠模型。

一种基于图模型的维基概念相似度计算方法及其在实体链接系统中的应用

实体链接是指将文本中具有歧义的实体指称项链接到知识库中相应实体的过程。该文首先对实体链接系统进行了分析,指出实体链接系统中的核心问题—实体指称项文本与候选实体之间的语义相似度计算。接着提出了一种基于图模型的维基概念相似度计算方法,并将该相似度计算方法应用在实体指称项文本与候选实体语义相似度的计算中。在此基础上,设计了一个基于排序学习算法框架的实体链接系统。实验结果表明,相比于传统的计算方法,新的相似度计算方法可以更加有效地捕捉实体指称项文本与候选实体间的语义相似度。同时,融入了多种特征的实体链接系统在性能上获得了达到state-of-art的水平。

基于网页链接和内容分析的改进PageRank算法

结合网页链接分析和网页内容相关性分析提出一种改进的PageRank算法EPR(Extended PageRank),从分析网页内容相似性的角度解决相关性需求,从网页链接分析的角度解决权威性需求。算法为扩展PageRank提供了广阔的空间,并且实验证明,通过选择合适的参数EPR算法可以获得优于传统PageRank算法的排序结果。