融合多因素的多实体政策网络链路预测算法

政策文本为社会的发展提供了权威性和原则性的方向和指导,但由于政策文本间关系错综复杂、政策实体间潜在连接关系隐性等,导致政策信息准确获取困难、理解不全面等.针对上述特点以及现有研究大多集中于单一类型政策实体及关系分析,难以全面准确地刻画政策间多类实体潜在关系的不足,提出了一种融合节点相似和属性偏好的多实体政策网络链路预测算法LP-NA.LP-NA综合考虑了节点之间的相似性、节点属性偏好对预测概率的贡献和预测偏差对链接预测的影响,采用反映局部信息的链接聚类系数和全局信息的接近中心性计算节点相似度,构建原始权重矩阵,并将政策网络的节点属性偏好和预测偏离值加入矩阵分解框架中,对网络中已知连边信息进行综合计算,提升了实体间链路预测精度.在7个真实多实体政策网络数据集上的实验结果表明：与现有算法相比,提出的LP-NA算法将AUC最大分别提升了4.76%、4.20%、2.81%、3.08%、3.25%、4.59%、3.03%.     

基于图注意力和特征融合的链路预测方法

链路预测是一种还原网络缺失信息的方法，通过当前已观察到的链路，预测实际存在但未被观察到的链路或可能出现的新链路.当前链路预测主要是基于图神经网络的深度学习方法，相比基于规则的启发式方法，前者可有效利用网络拓扑结构信息，较大地提升了网络链路预测性能，并可应用到类型更广泛的网络中.但是现有基于图神经网络的方法，仅利用网络中节点相对位置信息，忽视了节点基本属性和链路的邻居信息，且无法区分不同节点对链路形成的重要程度.为此，本文提出一种基于图注意力网络和特征融合的链路预测方法.通过增加节点的度、链路的共同邻居数量和共同邻居最大度等特征，丰富了网络的输入特征信息.本文首先提取以目标节点对为中心的子图，然后将其转化为对应的线图，线图中的节点和原图中的链路一一对应，从而将原图节点和链路信息融合到线图的节点中，提升了特征融合的有效性和可解释性.同时本文使用图注意力机制学习节点的权重，增强了特征融合的灵活性.实验表明，本文所提出的方法，在多个不同领域数据集上的AUC和AP均超过90%,在已观测链路缺失较多时，预测性能保持80%以上，且均优于现有最新方法.     

基于改进TADW的链路预测算法

针对经典的节点相似性链路预测算法只考虑网络拓扑结构或者节点属性信息的问题,使用词嵌入模型Word2vec学习得到节点文本属性信息的表示,进而改进TADW(text-associated deep walk)算法,弥补其语义信息表示能力的不足.基于改进的TADW图嵌入方法提出一种融合网络拓扑结构和节点属性信息的相似性指标,并基于此相似性指标提出链路预测算法.在三个真实数据集上的实验结果表明所提出算法可以提高预测精度,并具有更好的鲁棒性,同时使用图嵌入的方法有效解决了网络数据的稀疏性问题.     

一种基于节点路径信息相似性的预测方法

链路预测计算是在复杂网络分析任务中最重要和最具挑战性的任务之一,能根据网络中现有的链接预测缺失的链接并广泛应用于多种学科领域,包括社会网络分析、推荐系统和生物网络等.文中提出一种基于路径节点信息相似性的预测方法,该预测方法是利用节点共有的特征信息来推测下一个相关的路径节点信息,从而优化现有的基于路径预测方法.首先,由于...     

时态网络节点相似性度量及链路预测算法

详细分析和阐述了时态网络中的链路预测问题，将时态网络按时间顺序划分为具有相同时间间隔的多层网络快照序列.针对基于共同邻居的相似性指标对网络链路刻画粒度较粗糙的问题，提出了基于邻居节点聚类系数的相似性度量指标NCC和NCCP，并基于此提出时态网络链路预测算法.通过在真实数据集上的对比实验验证了利用邻居节点的聚类信息可以提高预测精度.利用真实邮件数据集验证了所提出的链路预测算法预测效果的优越性，并且实验结果证明越接近预测时间的网络结构对预测结果影响越大.     

基于路由矩阵的网络透视度量方法研究

在研究网络透视方法时,为对网络拓扑结构中相关方面进行数据分析,提出了基于网络路由矩阵的度量方法.为寻找网络中重要链路和路径,分别对单链路和单路径度量进行定义;为发现链路间和路径间的相互关系,分别对链路间和路径间的相似度量以及它们的相异度量进行定义,并且分析各度量的性质并用OPNET仿真平台进行实验说明.该度量方法可以帮助网络研究人员根据实际情况选取网络重要位置部署性能监测点,同时可以用于分析网络链路间和网络路径间的依赖关系,并且评价网络透视方法的推断精确度.     

基于链路带宽的分布式存储系统框架及动态负载均衡技术

针对在节点间进行数据传输、备份等操作时,不同节点间链路带宽将限制分布式存储系统的性能的问题,借鉴软件定义网络及云存储技术的基本思想,通过对控制流与数据流的分离,提出了一种基于链路带宽的分布式存储系统框架及动态负载均衡技术.所提出框架中,在分布式数据节点之外引入一个中心控制节点,该节点掌握全局网络视图,全局网络视图中既包括数据存储表记录存储数据的分布,又包括当前链路带宽情况.在用户读取数据时,根据数据存储表确定需要的数据存放于哪些数据存储节点,指派相应的数据存储节点根据路由表发送数据包,并实时监测网络中的链路带宽负载情况,及时调整数据的传输路径.仿真验证所提架构和算法可以有效解决海量数据在不同位置的分配调度,以及缩短用户对大量数据提取的响应时间及提升存储速率等问题.      

带权疾病网络上的潜在共病关系预测

网络分析法将潜在的共病关系预测转化为复杂网络上的链路预测问题,而现有的基于相似性度量的链路预测方法大多仅单一地考虑某一方面的网络特征,大大影响了预测的准确性.使用3个不同来源的真实医疗数据集分别构建了相应的带权疾病网络,并通过对不同网络结构差异性的比较,分析了现有的网络相似性度量指标的局限性.在此基础上,提出了一种新的基于有监督分类的链路预测方法,综合多种局部和全局相似性指标作为输入特征向量,更为精确地评估节点间的相似性,从而实现潜在共病关系的有效预测.实验结果表明,该方法能有效提高共病网络中链路预测的准确性,并且对于不同共病网络和分类算法均具有较好的稳定性和适用性.     

基于聚类系数和节点中心性的链路预测算法

目前复杂网络领域受到越来越多人的广泛关注.其中链路预测是复杂网络研究中的一个热门的分支,被作为预测缺失链路和识别虚假链路的有效手段.传统基于相似性的复杂网络链路预测主要考虑每个节点的某个相似性指标,而该文提出一种基于聚类系数和节点中心性(CCNC)的链路预测算法,将度、聚类系数和节点中心性3个相似度指标结合,引入到复杂...     

利用链路预测推断网络演化机制

直接建立演化模型推测影响网络演化的因素是目前研究网络演化制的常用方法,但由于可供比较的结构特征量太多,不同的模型之间难以进行定量化的比较.链路预测是指利用网络的结构或者节点的属性息预测未产生连接的两个节点间产生连接的可能性.其本质是挖掘网络产生连边的原因和驱动力,这同时也是网络演化模型所关的问.实际上,一个演化模型原则上都可以对应于一种链路预测的算法.因此,助链路预测的理论框和评方法可以定量化地对不同演化模型所对应的链路预测算法进行评,从而间接地对演化模型的表现进行定量比较.本文首先绍于节点接近性的链路预测方法,然后讨论利用链路预测推测网络演化制的本框.在以中城市航空网络为例的实证分析中发现,当单独利用结构(共同邻居数目)和节点属性(地理位、人口、GDP和第三产业产值)作为定义接近性的因素时,于共同邻居的算法预测准确度最高,暗示网络演化主要受结构因素影响,其次才是外在因素.而将四种于节点属性的算法与于结构的算法耦合进行计算时,共同邻居配合第三产业产值效最好,与偏相关分析和因分析的结论一.本文为研究网络演化模型供了全新的视角和分析工具.     

基于节点对接触模型容延网络的路由算法研究

容延网络(delay tolerant network)利用节点移动形成的通信机会逐跳传输消息,以"存储-携带-转发"的路由模式实现节点间的通信,弥补了传统网络需要建立源节点到目的节点链路的缺陷。容延网络延迟高,链路具有间断性,传输率较传统网络低,链路预测就尤为重要,准确的链路预测对于提高网络效率意义重大。链路预测有两种主要的方法:利用节点社区网络的相似性进行预测和建立节点接触概率模型。马尔可夫调制泊松过程模型(MMPP)就是根据现实数据集建立的节点对接触模型。容延网络的仿真缺乏合适的软件,对于现实生活中的数据集支持不够。开发了关于基于接触事件的容延网络仿真器,读取现实数据,运用上述两种方法建立路由,在此基础上,进行了不同的仿真对比、从传输率、传输延迟、传输跳数、传输效率和传输的综合评定等方面,对不同的路由方法进行了对比。仿真实验结果表明利用MMPP模型的路由方法传输率、延迟和传输效率的综合评定上,优于其他的路由方法,即可以消耗较小的网络资源以达到高的传输率。基于节点对接触的模型对比节点社区网络相似性建立的路由方法,更加适合资源有限的网络。     

基于卡尔曼滤波的认知无线网络路由算法

针对认知无线网络中频谱的动态性及节点移动性,提出一种基于卡尔曼滤波的认知无线网络路由算法,以提高链路的稳定性.该算法综合考虑主用户的频谱空闲概率与节点间的距离,兼顾端到端传输时延,对路由尺度进行设计,选择稳定度较高的路径进行通信;在路由维护阶段,通过卡尔曼滤波对节点移动速度进行预测,在链路断裂之前启动路由修复.最后通过NS2进行仿真,结果表明该算法在链路通信的稳定性、分组投递率、吞吐量等方面有明显的改善,提高了网络的整体性能.     

浅谈基于OLSR协议的网络传输性能链路质量判别机制

OLSR协议基于跳数进行路径选择,对于节点间链路传输性能没有较好的控制策略,不能够根据网络情况,自动选择到下个节点的最佳路径进行传输,针对此问题,本文提出了一种基于链路质量权值的路径判别选择策略,引入链路质量权值的计算,节点信号强度因子及性能参数,进行链路质量判别机制设计与实现,并进行性能测试,结果表明,所提出策略机制,在测试实验环境下,对提升网络传输性能方面具有显著效果。     

基于网络编码的共享链路路径保护机制

网络编码(network coding,NC)方法能够有效地提高路径保护技术的保护效率.但目前提出的基于网络编码的保护机制要求工作路径链路分离,限制了保护机制的性能和应用范围.为此提出一种基于网络编码的有共享链路的路径保护机制(shared-link network coding path protection,SNCPP).该机制将共享链路的端节点加入到保护路径源目的节点集中,采用改进的ASTAR算法建立经过节点集中所有节点的最短保护路径,并利用网络编码实现对有共享链路的路径进行保护.仿真表明所提出的机制在工作路径出现共享链路故障的情况下,能够对网络提供保护,并提高了保护效率.     

基于子图特征的科学家合作网络链路预测

提出了多种基于子图结构特征的新特征,构建了基于节点重要性、基于节点共同邻居、基于边共同邻居、基于邻居子图和基于边子图五类特征,并将这五类特征中的多种特征分别作为特征输入,运用机器学习的方法,实现科学家合作网未来合作关系的预测。研究中发现,基于边子图特征的链路预测准确率最好。此外,研究中运用基于模型的特征排序和最大信息系数特征选择方法分析类内特征的影响力以及相互关系,通过机器学习算法的分类模型进行链路预测。该方法能够有效地揭示网络类内特征在预测中的重要性和相关性,有利于发现影响力大的特征和冗余特征。     

采用链路聚类的动态网络社团发现算法

针对当前基于节点的动态网络社团结构发现算法难以发现稳定的社团结构的问题,提出了一种采用链路聚类的动态网络社团发现算法(LDC)。该算法首先从链路的角度得到网络的链路图结构;然后对比不同时刻的链路图结构,将动态网络中节点的添加与移除以及边的添加与移除等复杂的变化信息简化为链路添加和链路移除2种增量变化信息;再在前一时刻社团结构的基础上以改进的链路划分密度函数对增量变化信息中变化的链路进行处理,判断该链路是否加入到社团中从而得到最优的社团结构;最后将得到的链路社团转化成为最终的节点社团结构。实验结果表明,相比于当前基于节点的动态社团发现算法,LDC算法能够有效地发现网络中结构稳定的社团结构,其模块度值和标准化互信息值至少提高了0.19和0.13,且算法的运行效率要明显优于基于节点的动态社团发现算法。     

基于综合游走策略的边嵌入链路预测算法

针对网络分析方法中研究的图数据默认使用节点图,只能得到节点的向量表示,不能直接将边表示成向量的问题,设计了一种基于有偏+无偏的图嵌入算法Line2Vec,并在此基础上提出基于边嵌入的链路预测框架(Line2Vec-L).首先,基于综合游走策略重新定义采样域节点的采样概率,并结合Word2Vec模型得到信息未被稀释、表示性强的节点图的边嵌入向量;然后,结合关联矩阵得到不存在边或未知边的向量表示,并将得到的边向量用于链路预测.实验结果表明Line2Vec在边向量表示上的有效性,并验证了Line2Vec-L的AUC值更高,由此说明采用Line2Vec可得到表示性更强的边向量,有助于提升链路预测的性能.     

基于节点分割的两阶段虚拟网络映射算法

虚拟网络映射问题是网络虚拟化的关键问题,以往研究大多注重虚拟网络链路的映射,然而,物理节点资源在物理网络中也是有限的.本文提出的基于节点分割的两阶段虚拟网络映射算法,能够将虚拟网络节点映射到多个底层物理节点上,根据映射得到的物理节点并结合路径分割思想将链路映射到多条底层物理路径上,整个过程能够有效地利用物理节点与链路的资源碎片,提高物理网络的资源利用率,提高虚拟网络的映射效率.     

基于LQI量度的无线链路质量评估模型

链路质量评估对无线传感器网络的上层协议设计至关重要.在对大量采样值进行统计分析的基础上,提出了一个基于高斯分布的链路评估模型,该评估模型能够通过节点感知到的LQI值推断出节点之间的链路质量状况.模型验证表明,该研究具有扩展性,所建立的链路模型既可为无线传感器网络的实际应用提供依据,又可为上层协议的仿真研究提供有价值的参考.     

基于马尔科夫链模型的网络链路权重评价方法

网络链路权重评价是网络运维管理的重要依据?将马尔科夫链的转移概率引入到网络链路权重评价中,从概率的角度来衡量相邻节点的可达性;充分考虑链路?节点的故障性,将网络中任意两相邻节点的通信过程近似为马尔科夫过程,基于此,提出了基于马尔科夫链模型的网络链路权重评价方法?根据网络的关联矩阵得到1步概率转移矩阵,进而求得网络的多步马尔科夫转移概率矩阵,直至所有节点概率可达,通过累加相邻节点间概率来衡量链路可达性?通过算例分别分析了串联网络?桥式网络和复杂网络的链路权重评价问题?分析表明,该方法不仅能准确评价网络链路的权重,而且还解决了删边或缩边方法难以分析串联网络的问题,具有计算量小?易编程实现的特点?