| 有向动态网络中基于模体演化的链路预测方法 |
| |
| 引用本文： | 杜凡,刘群.有向动态网络中基于模体演化的链路预测方法[J].计算机应用研究,2019,36(5). |
| |
| 作者姓名： | 杜凡 刘群 |
| |
| 作者单位： | 重庆邮电大学计算智能重庆市重点实验室,重庆,400065;重庆邮电大学计算智能重庆市重点实验室,重庆,400065 |
| |
| 基金项目： | 国家自然科学基金资助资助(61572091,61075019);重庆市自然科学基金资助项目(CSTC2014jcyjA40047);重庆市教委研究项目(KJ1400403);重庆邮电大学博士启动资助项目(A2014-20) |
| |
| 摘 要： | 以往传统的链路预测方法大多数针对无向网络，而实际上大多数社交网络是有向的，并且没有考虑网络中同一节点对之间的重复边以及微观演化信息，因此不能较好地解决有向动态网络中的链路预测问题。针对有向网络，将节点对之间的重复边信息转换为该节点对之间连边的权值；接着采用了基于三元组模体的演化模型，对滑动窗口中相邻时间片的模体转换概率进行统计后，采用指数加权滑动平均法对其进行时序分析得到不同模体转换概率的预测矩阵，进而使用该矩阵对网络中的链边进行预测。这不仅充分利用了网络微观演化信息，而且解决了动态网络中重复边的问题。最后对实验结果进行分析发现，在高全局聚类系数高平均度的网络中AUC相比Triad Transition Matrix方法提高了近0.01，而相比Common Neighbor方法提高更多。因此，所提方法能够较好地应用网络微观演化信息进行链路预测。
|
| 关 键 词： | 时序链路预测 有向网络 模体演化 时序分析 |
| 收稿时间： | 2017/11/9 0:00:00 |
| 修稿时间： | 2018/4/27 0:00:00 |
Link prediction method based on motif evolution in directed dynamic networks |
| |
| DuFan and LiuQun.Link prediction method based on motif evolution in directed dynamic networks[J].Application Research of Computers,2019,36(5). |
| |
| Authors: | DuFan and LiuQun |
| |
| Affiliation: | Chongqing University of Posts and Telecommunications, |
| |
| Abstract: | |
| |
| Keywords: | time series link prediction directed network motif evolution time series analysis |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《计算机应用研究》浏览原始摘要信息 |
|
点击此处可从《计算机应用研究》下载全文 |
