基于网络表示学习的链路预测算法

论文摘要

网络是表达对象之间复杂联系的重要形式,广泛存在。而链路预测作为网络分析的重要方法,具有很大的研究意义和应用价值。传统的链路预测算法普遍是基于邻接矩阵的稀疏表示方案而设计,计算效率低且扩展性差。首先引入网络表示学习的概念,创新性地提出基于几何布朗运动的随机游走算法GbmRw,然后进一步设计出网络表示学习算法GBMLA,实现更具区分能力与表达能力的网络表示,最后以节点表示向量的欧式距离来表征节点之间的相似性,从而预测其链路存在的可能性。不同领域的多个网络中进行反复实验的结果表明,该算法较之于基于原始网络设计的传统算法,预测效果得到了明显的提升,也进一步肯定了网络表示学习对于链路预测工作的重要意义。

论文目录

• 1 引言
• 2 相关工作
• 3 算法描述
•   3.1 定义描述
•   3.2 基本算法介绍
•   3.3 基于网络表示学习的链路预测算法
•     3.3.1 同化函数模型
•     3.3.2 基于GBM的随机游走算法
•     3.3.3 基于GbmRw的网络表示学习算法
• 4 实验结果分析
•   4.1 实验数据
•   4.2 评价指标
•   4.3 实验设置
•   4.4 结果分析
•   4.5 时间复杂度分析
• 5 结束语

文章来源

类型: 期刊论文

作者: 杨晓翠,宋甲秀,张曦煌

关键词: 链路预测,几何布朗运动,随机游走算法,网络表示学习算法

来源: 计算机科学与探索 2019年05期

年度: 2019

分类: 信息科技,基础科学

专业: 数学,自动化技术

单位: 江南大学物联网工程学院

基金: 江苏省产学研合作项目基金No.BY2015019-30~~

分类号: O157.5;TP181

页码: 812-821

总页数: 10

文件大小: 2081K

下载量: 426