基于二分网络加权投影的急性鼻咽炎中药配伍规律挖掘及组合用药预测

目的从二分网络加权投影角度挖掘中药方剂配伍规律,提出一种新的挖掘中药配伍规律的方法,并预测新型药物组合,为指导临床治疗急性鼻咽炎用药提供依据。方法以中医药综合数据库(TCMID)中的急性鼻咽炎方剂数据为数据源,通过提取方剂和药物构建二分网络,继而使用加权投影得到药物网络投影图,结合二分网络加权投影进行社会网络分析,基于皮尔逊相关性进行系统聚类的研究方法挖掘中药“君臣佐使”的配伍规律,并使用链路预测进行核心药物预测。结果二分网络加权投影与皮尔逊相关性进行系统聚类分析相结合的方式在中药方剂的配伍规律研究中作用显著。在链路预测中,选用11个链路预测指标,区分加权与无权算法后最终计算出的加权指标曲线下面积(AUC)大于无权指标,且在加权指标中,AUC最大指标为网络资源分配指标,预测出7组药物组合,包括白头翁与毛诃子、安息香与石椒草、白花茶与附子等。结论二分网络加权投影方法在揭示中药配伍规律与药物组合预测方面具有一定实用性和有效性。

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。

新能源领域专利转让网络中技术供需主体间交易机会预测

[目的/意义]在专利转让网络中,通过挖掘供需主体信息及网络结构对交易机会的预测,有助于提升专利的转化效率。[方法/过程]以新能源领域为例,采集2012-2016年专利转让数据,构建专利技术交易加权有向网络。在转让数据统计分析与网络结构研究基础上,计算并筛选网络节点结构相似度指标,利用LDA主题模型结合余弦相似度方法计算节点内容相似性指标,通过熵权法将结构与内容指标融合,预测网络中专利技术供需主体间交易机会及专利技术流动方向。[结果/结论]结果表明:RA相比其他9个结构指标其预测精度更高,将RA与内容相似性指标融合后,预测精度略有上升,预测结果相比单一结构指标,更全面的挖掘出可能发生交易的供需主体对,结果更具多样化和合理性,在实践中更具有辅助决策的价值。

加权网络中基于多路径节点相似性的链接预测

鉴于现有大多数链接预测算法仅考虑了图的局部或全局特性,在预测准确率和计算复杂度上难以均衡,且有关加权网络的链接预测研究相对较少,提出新的加权社会网络链接预测算法(STNMP).引入节点对边权强度的概念,用于度量邻居节点间的局部相似度.提出路径相似性贡献的概念,定义多路径传输节点相似性,用于描述步长为2和3的所有路径及这些路径上的中间节点对于所连接的两个节点的相似性总贡献.在多个真实网络中对算法的有效性进行验证,以AUC作为评价指标,与经典相似性算法CN、Jaccard、AA等进行预测准确率的对比分析.结果显示,针对小规模社会网络,STNMP算法的预测准确率高于现有算法.

结合用户互动加权图的社交网络链接预测

链接预测是社交网络研究领域的热点问题,对网络演化理论研究以及个性化推荐、社区发现等应用研究具有重要的价值.已有的链接预测方法很难适用具有多样性、加权性的用户关系构成的社交网络.针对此问题,提出一种基于用户互动关系加权图的链接预测方法.首先探讨了节点及路径相结合的局部图链接预测方法 RALP的合理性.然后对用户互动行为进行分析,提出将可靠路径与RALP相结合的加权网络链接预测方法 PWRALP.最后在新浪微博的真实数据集上进行对比实验,结果表明,相较于加权网络的其它方法,PWRALP获得了较好的AUC指标和Precision指标,链接预测结果准确率更高.

一种基于节点相似性的链接预测算法

针对社会网络中节点关系预测困难的问题,提出了一种新的链接预测算法:邻居关系权值算法。该算法将共同邻居节点与其他邻居节点之间的边赋予不同的权值,进而计算被预测节点之间的相似性。算法通过5个社会网络数据集进行实验,采用AUC(area under the receiver operating characteristic curve)指标和Precision指标评价其效果。实验表明新算法的预测准确率整体上高于已有的基于节点相似性的链接预测算法,同时该算法保持了较低的时间复杂度。

基于复杂网络的社会化标签语义相似度分析

针对社会化标签系统所对应的标签共现复杂网络,引入标签语义相似度权值和抽象权值算子,建立了标签语义相似度计算模型。相比基于"用户-对象-标签"三元组的统计性计算公式或基于复杂网络拓扑结构的节点相似性计算公式,本模型可以在标签语义相似度计算中将标签标注行为的统计特性与复杂网络的拓扑特性有机地结合起来,形成一个具有良好数学性质的形式化系统。仿照模糊逻辑中T范数、S范数给出了抽象权值算子的具体化实现,形成具体化算子簇,可以通过调节参数(如参数h和阶数l)形成不同类型或不同全局性的具体化算子。设计实验方案,利用复杂网络链路预测的AUC指标、Precision指标对典型算子及算子簇进行了综合分析。分析结果表明,这些具体化算子同时具有"语义补充"、"语义破坏"两种相反作用,在算子阶数较低(如2≤l≤5)时能明显提高标签语义相似度计算的准确性,在社会化标签系统的高精确性个性化推荐算法设计中具有应用价值。

一种时序有向社会网络中的链路预测算法

针对现有多数链路预测算法准确度较低的问题,在网络全局与局部特征相结合基础上,提出一种基于归一化共同邻居与局部聚类(NCNLC)相似性指标的链路预测算法。通过分析节点NCNLC属性的相似性指标,为节点间的连边分配累积影响因子。仿真结果表明,与LAS指标相似性算法相比,该算法具有较高的预测准确度,能够有效地进行时序有向社会网络中的链路预测。

多维社会网络中链路预测方法研究

多维社会网络中链路预测是指通过已知的网络节点以及多维社会网络结构等信息预测多维社会网络中尚未产生连边的两个节点之间产生链接的可能性。在研究有关链路预测的相关技术后,基于节点之间的相似性,提出了一种多维社会网络中的链路预测算法。算法中考虑时间因素和权重因素对于链路预测的影响,同时将多维网络中的相关技术应用到链路预测的过程中。实验结果表明,该算法能够使多维网络中链路预测有更好的效果。

基于划分社区和差分共邻节点贡献的链路预测

通过改进基于节点相似度的朴素贝叶斯模型,引入GN和CMN两种经典的划分社区算法挖掘网络社区属性对预测节点对的影响,赋予共邻节点不同的连接度和社区贡献度并计算其贡献权重,同时把模型应用于五种相似度算法,采用ROC和Precision-Recall曲线进行实验评价。人工网络和真实网络中的实验证明,该模型能够在深入挖掘社会网络结构信息的基础上提高预测的精确度,同时为该类模型的研究提供一种新的方案。

基于时间信息的社会网络链接预测研究

在社会网络分析中链接预测尤为重要。文章关注社会网络中有权图的链接预测问题,提出了一些针对有权图的链接预测度量指标。基于网络中的两个节点在相近时间发布相近内容则相似性更大的假设,文章提出一个基于时间信息的链接预测方法。通过在一个博客数据集上的实验显示该方法相对于传统方法效果更好。

基于链路预测的微博用户关系预测

[目的/意义]旨在解决因微博用户弱关系结构导致难以发现潜在朋友的问题。[方法/过程]基于链路预测原理,提出预测微博双向"关注"关系的CN、RA、AA三种相似性指标加权模型,以及双向"关注"关系融合单向"关注"关系的预测模型,并在新浪微博用户关系网络数据集及推特(Twitter)用户关系网络标准数据集上进行测试。[结果/结论]提出的3种加权模型对于相似性指标推荐精度均有提升,其中RA的扩展形式最有效。

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.

基于加权非负矩阵分解的链接预测算法

本文针对在线微博,首先,基于带权动态链接预测特征集合,以用户社会关系因子约束目标函数,从用户概要和用户发布内容两个维度利用非负矩阵分解方法预测社会网络中链接的存在性和方向性.然后,在真实的数据集上验证了提出框架的有效性,并通过实验进一步证明了特征权重和时间信息在链接预测问题中的重要性.

一种基于加权网络拓扑权重的链路预测方法

近年来,复杂网络中的链路预测问题受到越来越多的关注,链路预测的应用场景也越来越广泛,因此如何提高链路预测精度是一个重要问题。目前已提出了很多方法,其中加权相似性指标的预测方法取得了很好的效果。然而传统的加权网络链路预测方法仅考虑了链接的自然权重,忽略了链接的拓扑权重对预测精度的影响。因此,针对加权网络的链路预测,综合考虑网络中边的聚类和扩散特性并将其作为边的拓扑权重,提出了基于链接拓扑权重的WCD含权预测指标,包括WCD-CN,WCD-AA,WCD-RA和WCD-LP4个相似性指标。文中以Matlab为实验平台,在两个带权数据集(USAir,Bibble)和两个无权数据集(Pblogs,Dolphins)上进行实验,并以AUC作为评价指标。仿真结果表明,与基于自然权重的含权指标、基于簇系数的结构含权指标相比,所提算法具有更好的预测精度。

基于网络链接预测的推荐算法

提出基于二部网络连接预测的推荐算法.将用户-项目的评分矩阵用带权的二部网络来表达,根据推荐问题和带权二部网络连接预测问题的相似性将推荐问题抽象为二部网络上的链接预测问题,采用基于相似度的连接预测算法进行项目推荐.算法综合考虑了顶点间的拓扑关系,以及用户之间、项目之间的相似性,找出用户对其尚未表达的项目的潜在兴趣度,应用二部网络连接预测的算法来解决推荐问题.实验结果表明,算法能够有效地提高推荐的精度.

基于骨干度与网络编码的链路预测模型研究

为了研究网络表示学习在社交网络中链路预测方面的应用,提出了一种基于骨干度与网络编码的链路预测模型(BDLINE)。在网络表示学习算法LINE的基础上融入骨干度算法,通过给一阶相似度和二阶相似度中增添骨干权重,将网络编码到多维向量空间中,调试到最优参数。实验采用2个真实数据的数据集,分别在不同的算法模型上进行多次实验。实验结果表明:在链路预测方面,BDLINE均比其他网络表示学习算法的性能有所提升,AUC评测值更高,预测效果表现得更好。因此,所提出的方法可以方便地提取网络特征信息,更好地处理社交网络在链路预测中的随机性,对社交网络中预测网络节点的关联性和有效性具有一定的参考。

基于节点相似性的手机通信网络链路预测

通过评估并预测当前手机通信网络中移动用户之间的通话特征,可使运营商掌握消费者行为规律。为此,提出一种新的手机通信网络链路预测模型。选取共同邻居作为手机通话网络中用户对的基本相似性指标,同时考虑用户通话时长、通话时长比等关键特征的差异,设计节点相似性经验公式,并基于部分真实手机通话数据获得经验公式中的3个关键参数。应用于某通信运营商50 000个手机用户数据集的链路预测结果表明,该预测模型能准确分析手机用户的消费行为模式。

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.

基于共同邻居的小度节点有利链路预测算法

现有的局部链路预测CN算法只是简单统计共同邻居的数目,忽视了在网络结构不同的前提下共同邻居的度对预测算法准确性的影响。针对上述问题,提出共同邻居的小度节点有利链路预测算法(CND),该算法在共同邻居的基础上考虑小度节点的优先性,对于规模过大的网络需要分块处理;然后,给共同邻居的度分配不同的权重,通过实验找出最优权重值。最后将新算法对比了AA、RA、CN、LHN、HDI算法的AUC,实验结果表明,共同邻居的小度节点有利链路预测算法比现有的局部信息链路预测算法的预测准确性有一定的提高。