基于邻域结构和对称非负矩阵分解的加权网络链路预测

摘要

链路预测目标是根据已知网络结构信息去预测缺失链接及将来可能产生链接.然而,现存大部分链路预测算法仅关注无向无权网络而忽略权重贡献及节点邻域结构信息,导致预测准确度下降.针对以上不足,提出一种融合邻域结构和对称非负矩阵分解的加权网络链路预测模型,去执行加权网络的预测缺失权重和鲁棒性等任务.首先,邻接矩阵与其转置求和去计算局部相似度,再将该相似度映射到低维潜在空间去保持网络局部结构信息.其次,利用最小生成树算法搜寻节点邻域结构信息,构成基于最小生成树的邻域相似度矩阵.再次,为保持节点邻域信息,将基于最小生成树相似度矩阵映射到共同低维潜在空间,以保持整个网络权重结构信息.最后,融合以上两类信息构建统一加权链路预测模型.采用乘法更新规则学习该模型参数获得局部最优解,再以最小误差重构原始加权网络,从而获得预测分数矩阵.与现存代表性方法相比较,在8个真实世界加权网络上的实验结果表明所提方法的AUC最大提高3.1%.