基于聚类分析的复杂网络链路预测性能研究

摘要

链路预测问题是复杂网络中数据挖掘领域的重要研究方向,然而复杂网络的结构与预测方法性能之间关系却很少受到关注。从聚类分析的角度探讨复杂网络结构对现有基于相似性度量的六种链路预测方法的性能影响,通过对合成复杂网络和真实复杂网络的对比实验进行分析。结果表明:随着聚类簇的增加,这六种方法在预测精度方面的性能均得到了极大的提升。对于具有较低聚类簇的稀疏复杂网络,叠加随机游动(SRW)预测性能表现最佳,而对于具有较高聚类簇的密集复杂网络,资源分配指数(RA)预测性能表现最佳。因此,对于不同类型的复杂网络应采用不同的方法进行链路预测。