基于网络表示学习的链路预测算法

作     者：杨晓翠 宋甲秀 张曦煌 YANG Xiaocui;SONG Jiaxiu;ZHANG Xihuang

作者机构：江南大学物联网工程学院江苏无锡214122 

基　　金：江苏省产学研合作项目基金No.BY2015019-30 

出 版 物：《计算机科学与探索》 (Journal of Frontiers of Computer Science and Technology)

年 卷 期：2019年第13卷第5期

页      码：812-821页

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。

主 题 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 

学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

核心收录：

D　O　I：10.3778/j.issn.1673-9418.1805029

馆 藏 号：203668305...