链路预测中的局部相似性指标

链路预测是网络科学中一个重要且充满挑战的研究方向,其在社交网络中的朋友推荐、生物实验中的关系发现、搜索引擎中的链接导航以及电商平台中的商品推荐等领域发挥着不可忽视的作用。链路预测研究兴起的20余年里,各类链路预测算法层出不穷,其中局部相似性指标以其简洁性、可解释性、较低的运算时间、灵活的可扩展性以及有竞争力的预测准确度等优势迅速在多个相关研究领域和实际应用场景中被广泛应用。这些指标大多基于同质性、聚集性、三角闭包等理论在2阶邻居分析框架中提出。但最近10年,局部社团范式理论的提出、赫布律的应用以及针对2阶框架合理性的争议等一系列重要工作的出现极大推动了局部相似性指标的深入研究和发展。该文旨在针对这些新的理论和争议进行梳理和讨论。

共词网络链路预测局部相似性指标的优化改进研究

[目的/意义]引入时间衰减因子与聚类系数对共词网络链路预测局部相似性指标进行优化改进,以期进一步提升共词网络链路预测的精确度。[方法/过程]从3个角度来提升局部相似性指标预测精确度:一是引入时间衰减因子计算连边权重,对不同时间段的连边进行区别处理;二是结合聚类系数改进已有相关相似性指标,即利用节点邻域拓扑信息进一步区分不同节点对相似性的贡献;三是同时融合时间衰减因子和聚类系数进行指标优化改进。再以图书情报学领域为例构建共词网络,利用多种分类算法(如朴素贝叶斯、决策树、随机森林、SVM)预测和评估所改进指标的预测精确度。[结果/结论]引入时间衰减因子,指标WCN、WAA、WPA、WRA的预测精确度均得到了有效提升;结合聚类系数,指标CN、AA、RA、WCN、WPA、WRA和SA的预测精确度均得到了不同程度的提升;同时融合时间衰减因子和聚类系数,WCN、WAA、WRA的预测精确度得到了进一步的提升。由此可知,引入时间衰减因子或聚类系数均能在一定程度上提升共词网络链路预测相关指标的准确度。

一种基于混合相似性指标的网络动态链路预测方法

社会网络中节点属性等外部信息的不可靠性及难获取性,使得社会网络的链路预测方法都集中在网络的拓扑结构信息上,并且常用的链路预测方法往往只利用了网络的局部拓扑信息.此外,社会网络的静态链路预测方法忽视了网络演化趋势信息,影响了预测精度.基于以上现状,结合节点间共同邻居相似性指标及偏好连接相似性指标,提出一种基于混合相似性指标的网络动态链路预测方法.该方法提出一种基于网络局部信息的混合相似性指标,为已存在链接分配一个影响力衰减因子并将其引入混合相似性指标进行计算,进而根据该混合相似性指标预测链路.实验结果表明用上述方法,预测精度得到了提高.

基于蛋白质相互作用网络局部相似度的肝癌疾病基因预测

基于人类蛋白质相互作用网络,该文采纳拓扑局部相似度去实现肝癌疾病基因的预测.交叉检验测试结果表明:有22%~29%的目标基因在候选基因中排名前5%,且预测精度均能达到0.7以上.归因于低的计算复杂度和相对高的预测精度,这类疾病基因预测方法可为发现和鉴定疾病基因提供有力的线索.

基于链路预测的iSchools联盟院校URL共引潜在关联识别研究

目的:探索iSchools联盟院校关联特征及潜在演进态势,为网络时代背景下iSchools联盟院校间交互结构性能的优化、互联互通引导机制的健全、国际交流与合作策略的完善以及协同创新与发展战略的制定提供可资借鉴的理论和实践参考。方法:以iSchools联盟院校的URL共引网络结构信息为基础,采用10项基于局部信息的相似性指标分别对无权和加权URL共引网络进行链路预测分析,对比各指标的预测性能。引入权重调节系数,剖析强弱连接对预测精度的影响。利用无权PA指标对iSchools联盟院校在网络空间中的潜在关联进行预测识别。结果:不同链路预测指标在无权和加权iSchools联盟院校URL共引网络中的适用性存在一定差异,iSchools联盟院校URL共引链路预测过程中存在一定程度的强弱连接效应。结论:我国高校信息学院与国际院校的联系将日益密切,在iSchools联盟网络中的地位具有较大的提升空间。