网络结构对链路预测算法的影响研究——基于元分析视角

【目的】在不同结构的网络中,各链路预测算法的预测效果存在不同程度的差异,通过对多项研究的数据进行统计分析,可以系统挖掘网络结构特征中影响链路预测结果的主要参数。【方法】选取国内外关于链路预测的相关实证研究,最终纳入5篇文献、22个网络、26种算法和278项研究,利用三水平元分析和贝叶斯网络元分析方法探讨网络结构中影响链路预测结果的主要因素及其对各算法预测结果的影响。【结果】纳入研究的算法总体预测的效应量MD=1.1832(95%CI:(1.0005,1.3659)),网络密度、平均度和聚集系数是影响各算法预测效果的主要因素(Pval<0.05)。亚组分析结果表明:Katz、LHN-II、MFI、LRW、SRW等基于全局信息和准局部信息的链路预测算法在稀疏网络性能更佳,SUCRA值均大于0.5,在稠密网络中网络密度、网络平均度和聚集系数对各类算法的影响差异较大。【局限】仅从统计学的角度进行分析,并未纳入大规模的文献数据进行进一步的实证分析,结果还较为粗糙。【结论】本研究将元分析的概念引入复杂网络领域中,丰富了对网络结构与链路预测算法关系探讨的方法与视角,为未来网络结构对链路预测算法影响的相关研究提供新的思路。