基于局部結構分析的網絡信息挖掘.pdf

1、復雜網絡是近年來學術界的研究熱點之一，在復雜網絡的研究中，如何從網絡中挖掘有用信息是研究的一個重要問題。在網絡中，鏈路往往隱含著節(jié)點間潛在的關聯(lián)信息，因而本文主要從鏈路預測的角度來進行網絡信息挖掘，在以往研究的基礎上，嘗試將網絡的局部結構引入到鏈路預測算法的設計中去。本文研究了網絡的局部社團結構和局部鏈路結構，并提出了三種鏈路預測算法進行網絡數(shù)據(jù)的挖掘，主要工作如下：
　　(1)對于無向網絡上的鏈路預測問題，提出了基于局部跨社團鏈

2、路的鏈路預測算法(Local-Cross-Communities-Link,簡稱LCCL)。LCCL考慮了局部社團結構，定義節(jié)點的鄰居構成節(jié)點的局部社團，通過局部社團間的關系進行鏈路預測。
　　(2)在有向網絡鏈路方向預測方面，提出了局部有向路算法(Local Directed Path,簡稱LDP)。LDP主要研究了節(jié)點的局部鏈路結構，并嘗試通過局部鏈路的數(shù)目進行鏈路方向的預測。通過引進基礎節(jié)點，LDP利用三種局部短鏈路（簡單鏈

3、路，普通鏈路，超常鏈路）預測網絡中鏈路的方向。實驗分析表明，通過考慮局部鏈路結構，LDP顯著地提高了鏈路預測效果，這為有向網絡模型和算法的設計提供了參考。
　　(3)研究了復雜網絡鏈路預測領域的一類特殊的方法——基于隨機的鏈路預測算法，提出度修正的隨機化塊模型(Degree Corrected Stochastic Block Model,簡稱DCSBM)。DCSBM可以看做是對網絡中所有可能的局部社團結構按照似然函數(shù)進行加權的算