基于链接重要性和数据场的链接预测算法

摘要

随着信息技术的发展，产生了大规模的网络数据，这为进行大规模的网络分析研究提供了充足的数据。近几年网络挖掘的研究迅速崛起，并发展成为一个很热门的研究领域。链接预测是网络分析的一个重要部分，是一个具有挑战性的研究方向。本文围绕网络数据挖掘领域，针对链接预测任务展开了深入的研究。在对现有链接预测算法分析的基础上，重点研究了基于结构相似性的链接预测算法。针对现有基于结构相似性的链接预测方法忽略了网络拓扑本身链接强度的信息，带权的拓扑路径方法中权值较难确定等缺陷，提出基于链接重要性和数据场的链接预测算法。该方法将所有链接边赋予不同的链接权重，同时考虑潜在链接节点间的相互影响，对部分没有链接的节点进行链接预估计，最后利用数据场势函数计算两节点间的相似值。实验结果表明，该方法整体上提高了预测准确性，且参数确定简单，有很高的实用价值。另外针对网络通常是动态变化，且网络规模通常很大，而在应用中，实时性要求又很高，现有的算法复杂度更新代价又较高，难以达到实时要求的现状，提出了网络的特定存储方式以及增量计算方法，达到低代价更新网络的目的。

目录

声明

摘要

图表目录

第一章 引言

1．1 研究背景及意义

1．1．1 课题社会背景

1．1．2 研究的目的及意义

1．2 国内外研究现状及评述

1．3 主要研究内容

1．4 论文组织结构

第二章 相关理论基础

2．1 社会网络概述

2．2 社会网络的性质

2．3 社会网络的表示

2．4 社会网络的术语

2．5 社会网络的链接预测算法研究

2．5．1 基于相似性的链接预测

2．5．2 基于最大似然估计的链接预测

2．5．3 基于概率模型的链接预测

2．5．4 社会网络链接预测算法总结

2．6 本章小结

第三章 基于链接权重和数据场的链接预测方法

3．1 问题的提出

3．2 链接强度

3．3 链接预估计

3．4 基于数据场的相似性

3．5 WCDF算法描述与分析

第四章 基于相似度的链接预测增量式算法

4．1 存储结构

4．2 基于相似性的增量式算法

4．3 算法步骤与分析

4．3．1 总体步骤

4．3．2 算法流程图

4．3．2 复杂度分析

第五章 实验与分析

5．1 评价指标

5．2 实验数据

5．3 实验内容

第六章 总结与展望

参考文献

致谢

攻读学位期间发表的学术论文目录