基于最短路徑的隨機游走算法研究與應用.pdf

1、近年來，人們越來越多地關注數據集中數據點之間的關系。不同種類的網絡相繼涌現。有鏈接和節(jié)點類型都單一的同質網絡如以朋友友誼為基礎建立起來的社交網站;以網絡鏈接形成的互聯(lián)網。另外還有多種鏈接和節(jié)點類型形成的異質網絡如醫(yī)學領域病人，疾病與治療方法或者科學合作網中出版社，科學家與作品這些節(jié)點形成多種鏈接類型的異質網。鏈路挖掘就是利用數據集合的鏈接信息進行挖掘的技術。
　　近年來鏈路預測越來越受到關注。鏈路預測旨在評估復雜網絡節(jié)點間連接的可

2、能性并做出預測。局部隨機游走LRW(Local Random Walk)是只考慮有限步的隨機游走，基于最短路徑的局部隨機游走方法LRWD(Local Random Walk withDistance)是利用最短路徑步數作為局部隨機游走有限步數。并提出最短路徑分步的概念以分析LRWD方法在不同復雜網絡上的性能。我們認為隨機游走中游走者從初始點首次到達終點的概率在最終兩點連接的可能性指標中起著最重要的作用。如此游走者都是按照自己的步數游走而

3、不是整個復雜網絡按照統(tǒng)一的一個步數游走。從整體性質到局部性質這種變化不僅為復雜網絡的研究提供一個新的視角而且證明了最短路徑在復雜網絡中的重要作用。最后作者還提出了最短路徑頻數分布和最短路徑分布熵的概念，并用它們來度量網絡動態(tài)演化中表現出的聚集現象。
　　作者還將最短路徑和隨機游走思想應用到聚類算法中形成新的k-means算法。新的聚類算法應用數據點鏈接信息的方式不同于以往其他算法。新k-means算法是將數據點之間的距離轉化為隨機