頂點(diǎn)帶屬性網(wǎng)絡(luò)的鏈接預(yù)測.pdf

1、現(xiàn)有的復(fù)雜網(wǎng)絡(luò)鏈接預(yù)測算法主要關(guān)注網(wǎng)絡(luò)中節(jié)點(diǎn)之間的拓?fù)湎嗨铺卣骱退惴ㄐ阅艿奶嵘?，而缺乏對網(wǎng)絡(luò)中節(jié)點(diǎn)屬性特征的研究。在一些應(yīng)用問題中，網(wǎng)絡(luò)的頂點(diǎn)自身帶有極其豐富的屬性信息。這些屬性反映了頂點(diǎn)所代表對象的特性和內(nèi)容，這些信息也在很大程度上影響著鏈接存在的可能性。如果能夠把復(fù)雜網(wǎng)絡(luò)的結(jié)構(gòu)信息和屬性信息結(jié)合到一起，勢必能夠極大地提高鏈接預(yù)測算法的預(yù)測精度。另外，實(shí)際情況中網(wǎng)絡(luò)本身存在的高維度、高稀疏性等問題對鏈接預(yù)測的結(jié)果也會造成負(fù)面影響。

2、r>　　目前，如何將復(fù)雜網(wǎng)絡(luò)的結(jié)構(gòu)信息和屬性信息有機(jī)地融合在一起，以提高鏈接預(yù)測的質(zhì)量，還是一個有待探討的問題。本文針對頂點(diǎn)帶屬性網(wǎng)絡(luò)的鏈接預(yù)測問題，從頂點(diǎn)的結(jié)構(gòu)相似性和屬性相似性出發(fā)，研究如何有機(jī)地融合結(jié)構(gòu)信息和屬性信息、設(shè)計(jì)高效的鏈接預(yù)測算法，以提高預(yù)測的精度。取得的主要研究成果如下:
　　(1)提出了一種基于奇異值分解和空間映射的鏈接預(yù)測算法
　　為了綜合考慮網(wǎng)絡(luò)的結(jié)構(gòu)特征和節(jié)點(diǎn)的屬性特征，本文首先對網(wǎng)絡(luò)的鄰接矩陣進(jìn)行

3、特征分解。然后對特征值進(jìn)行主成分抽取后再對相應(yīng)的特征矩陣進(jìn)行奇異值分解，將得到的新的奇異向量之間的相似度作為拓?fù)浣Y(jié)構(gòu)的相似度。最后將得到的拓?fù)湎嗨贫染仃嚭蛯傩韵嗨贫染仃囘M(jìn)行矩陣比對，得到最終的相似度矩陣。實(shí)驗(yàn)證明，本文提出的算法能有效提高鏈接預(yù)測的性能。
　　(2)提出了一種基于非負(fù)矩陣分解的鏈接預(yù)測算法
　　在實(shí)際應(yīng)用中，復(fù)雜網(wǎng)絡(luò)所對應(yīng)的信息矩陣可能會存在著高維的問題。本文將非負(fù)矩陣分解應(yīng)用于頂點(diǎn)帶屬性網(wǎng)絡(luò)的鏈接預(yù)測中，分

4、別將網(wǎng)絡(luò)的鄰接矩陣和屬性相似度矩陣分解成非負(fù)的基矩陣和權(quán)重矩陣，通過將高維向量空間向低維向量空間的投影，重構(gòu)不同類型矩陣之間的相關(guān)性。實(shí)驗(yàn)證明，本文提出的算法不僅擁有較低的復(fù)雜度，而且能夠減少數(shù)據(jù)的存儲空間，有效地提高鏈接預(yù)測的性能。
　　(3)提出了一種基于相似度傳播的二分網(wǎng)絡(luò)鏈接預(yù)測算法
　　相對于單分網(wǎng)絡(luò)，二分網(wǎng)絡(luò)在現(xiàn)實(shí)社會的復(fù)雜網(wǎng)絡(luò)中更具有普遍性，已經(jīng)成為復(fù)雜網(wǎng)絡(luò)的重要研究課題之一。本文提出了一個基于二部圖的鏈路預(yù)測