电子科技大学学报
電子科技大學學報
전자과기대학학보
JOURNAL OF UNIVERSITY OF ELECTRONIC SCIENCE AND TECHNOLOGY OF CHINA
2010年
5期
651-661
,共11页
复杂网络%链路预测%最大似然估计%概率模型%相似性指标
複雜網絡%鏈路預測%最大似然估計%概率模型%相似性指標
복잡망락%련로예측%최대사연고계%개솔모형%상사성지표
网络中的链路预测是指如何通过已知的网络结构等信息预测网络中尚未产生连边的两个节点之间产生连接的可能性.预测那些已经存在但尚未被发现的连接实际上是一种数据挖掘的过程,而对于未来可能产生的连边的预测则与网络的演化相关.传统的方法是基于马尔科夫链或者机器学习的,往往考虑节点的属性特征.该类方法虽然能够得到较高的预测精度,但是由于计算的复杂度以及非普适性的参数使其应用范围受到限制.另一类方法是基于网络结构的最大似然估计,该类方法也有计算复杂度高的问题.相比上述两种方法,基于网络结构相似性的方法更加简单.通过在多个实际网络中的实验发现,基于相似性的方法能够得到很好的预测效果,并且网络的拓扑结构性质能够帮助选择合适的相似性指标.该文综述并比较了若干有代表性的链路预测方法,展望了若干重要的开放性问题.
網絡中的鏈路預測是指如何通過已知的網絡結構等信息預測網絡中尚未產生連邊的兩箇節點之間產生連接的可能性.預測那些已經存在但尚未被髮現的連接實際上是一種數據挖掘的過程,而對于未來可能產生的連邊的預測則與網絡的縯化相關.傳統的方法是基于馬爾科伕鏈或者機器學習的,往往攷慮節點的屬性特徵.該類方法雖然能夠得到較高的預測精度,但是由于計算的複雜度以及非普適性的參數使其應用範圍受到限製.另一類方法是基于網絡結構的最大似然估計,該類方法也有計算複雜度高的問題.相比上述兩種方法,基于網絡結構相似性的方法更加簡單.通過在多箇實際網絡中的實驗髮現,基于相似性的方法能夠得到很好的預測效果,併且網絡的拓撲結構性質能夠幫助選擇閤適的相似性指標.該文綜述併比較瞭若榦有代錶性的鏈路預測方法,展望瞭若榦重要的開放性問題.
망락중적련로예측시지여하통과이지적망락결구등신식예측망락중상미산생련변적량개절점지간산생련접적가능성.예측나사이경존재단상미피발현적련접실제상시일충수거알굴적과정,이대우미래가능산생적련변적예측칙여망락적연화상관.전통적방법시기우마이과부련혹자궤기학습적,왕왕고필절점적속성특정.해류방법수연능구득도교고적예측정도,단시유우계산적복잡도이급비보괄성적삼수사기응용범위수도한제.령일류방법시기우망락결구적최대사연고계,해류방법야유계산복잡도고적문제.상비상술량충방법,기우망락결구상사성적방법경가간단.통과재다개실제망락중적실험발현,기우상사성적방법능구득도흔호적예측효과,병차망락적탁복결구성질능구방조선택합괄적상사성지표.해문종술병비교료약간유대표성적련로예측방법,전망료약간중요적개방성문제.
