基于博弈论的时序合作网络链路预测研究

论文摘要

随着世界经济一体化的趋势不断增强,地区间、国际间的合作变得日益密切,在这背景下要特别强调合作。随着现代科学研究的深入,科研合作最有效的形式已经转变为团队合作,学科团队在各科研领域中扮演了重要角色。针对团队合作所表现出的网络关联性,可以通过复杂网络理论来描述。近年来,复杂网络链路预测问题受到学术界的广泛关注。链路预测是复杂网络分析领域的一项重要研究课题,可被应用于许多现实场景,如推荐系统、信息检索和市场分析等。传统的基于节点相似性的链路预测方法时间复杂度较低,但在准确度方面表现却没有其他链路预测方法好。此外,基于机器学习分类的链路预测方法在准确度方面优于基于节点相似性方法,但该方法通常需要额外的特征信息,并且如何处理分类样本面临的失衡性问题仍具有非常大的挑战性。目前大部分链路预测研究主要局限于静态网络,而现实中的网络系统是随着时间动态演化的,因此包含时间信息的链路预测研究将成为必然趋势。针对这种时序网络的研究,传统的链路预测方法无法直接应用。如何有效融合时序网络拓扑信息和链路的时间戳信息是解决此类网络链路预测问题的关键。为解决这一问题,本文从时序合作网络链路预测的研究背景出发,结合生存分析和博弈论,在此基础上引入一种有效的半监督学习框架,即多智能体自治计算框架,提出了一种基于动态博弈的双向选择机制来预测未来的网络拓扑结构。首先,定义一个邻接网络序列模型,并利用每条链路的时间戳生成真实的网络演化序列。然后,为探寻网络演化规律,通过对每条链路定义一组基于邻居相似性的特征向量,并采用Cox比例风险模型来估计该特征向量的协变量系数。最后,为缩小搜索空间,提出一种基于动态博弈的双向选择机制来预测未来的网络拓扑结构。在实验阶段,本文首先对DBLP数据集进行了经验分析,从消失链路和重连链路的角度总结了一些结论,对实验有一定的指导作用。然后,本文选择了斯坦福网络分析平台（SNAP）中的4个时序网络,并生成4个?-邻接网络序列。接下来本文将这4个?-邻接网络序列作为真实的网络演化序列,并将提出的方法分别应用于4个初始静态网络.最后,我们将本文提出的方法同5种基于监督学习的链路预测方法和3种基于概率模型的链路预测方法进行性能对比,在真实时序网络数据集上验证了本文方法的有效性和高效性。实验结果表明,本文所提方法在准确性和执行时间方面明显优于对比算法。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
•   1.1 研究背景及意义
•   1.2 相关研究工作
•     1.2.1 合作网络相关研究
•     1.2.2 静态网络链路预测相关研究
•     1.2.3 时序网络相关研究
•   1.3 研究内容
•   1.4 论文组织结构
• 第2章 链路预测相关理论基础
•   2.1 复杂网络的基本概念及定义
•     2.1.1 网络的邻接矩阵表示
•     2.1.2 网络的基本拓扑特性
•   2.2 链路预测问题描述和评价方法
•     2.2.1 链路预测的基本概念及相似性指标
•     2.2.2 评价标准
• 第3章 基于博弈论的时序合作网络模型
•   3.1 构建时序合作网络模型
•   3.2 基于生存分析的网络模型
•     3.2.1 生存分析及Cox比例风险模型
•     3.2.2 基于Cox PHM的协变量学习
•   3.3 基于博弈论的链路预测算法
•     3.3.1 博弈论基础知识
•     3.3.2 基于动态博弈的双向选择机制
•   3.4 AOC系统环境
•   3.5 演化算法及复杂度分析
• 第4章 实验分析
•   4.1 实验数据集
•     4.1.1 DBLP数据集
•     4.1.2 SNAP数据集
•   4.2 DBLP实验结果分析
•   4.3 SNAP实验设置
•     4.3.1 对比方法和评价指标
•     4.3.2 协变量的选择及意义分析
•   4.4 实验结果
• 第5章 总结与展望
•   5.1 总结
•   5.2 展望
• 参考文献
• 附录1 攻读硕士学位期间撰写的论文
• 致谢

文章来源

类型: 硕士论文

作者: 刘留

导师: 卜湛

关键词: 合作网络,时序网络,链路预测,生存分析,博弈论

来源: 南京财经大学

年度: 2019

分类: 基础科学

专业: 数学,数学

单位: 南京财经大学

分类号: O157.5;O225

DOI: 10.27705/d.cnki.gnjcj.2019.000100

总页数: 60

文件大小: 3993K

下载量: 30