基于链接重要性的动态链接预测方法研究

已有的链接预测方法中,基于拓扑结构的方法忽略了实体自身的一些社会属性(语义),基于分类的方法没有考虑时间因素在链接形成中的作用.针对这些问题结合科研合作网的特点,给出一种基于链接重要性的动态链接预测方法.引入链接重要性的度量,对拓扑属性和语义相似度等属性进行修正,考虑动态性以反映时间因素对链接形成的影响,最后利用分类技术进行预测.在DBLP数据集上进行多组对比实验.实验结果表明,该方法较之已有的方法,预测准确性有了较大的提高.

利用矩阵补全优化模型进行动态网络链接预测

动态链接预测是网络数据挖掘领域的一个重要课题,主要原理是根据以往的网络结构预测未来的网络结构状态。目前,静态链接预测已得到充分研究,但对动态链接预测的研究却比较稀少。根据网络链接的结构特点,将矩阵补全方法引入动态链接预测问题中,进一步受核矩阵分解的启发,建立了核矩阵补全模型,将数据映射到高维空间中,使得链接中的非线性关系转化为线性关系,从而使得模型能够处理更复杂的网络结构。通过在三个公开网络数据集上进行实验,验证了矩阵补全优化方法和核方法在动态链接预测中的有效性和准确性。