基于譜分析方法的鏈路預測算法研究.pdf

1、生活中的眾多真實系統(tǒng)都可以看作一個復雜網絡系統(tǒng)，鏈路預測作為復雜網絡非常重要的研究課題，其重要作用就是研究這些網絡的演化機制或者發(fā)展方向，例如在蛋白質網絡中想要知道蛋白質之間的相互作用、社交網絡中節(jié)點之間是否成為朋友。因此，鏈路預測的研究具有重要的現實意義，在復雜網絡的領域里作為重要的研究分支之一。
　　鏈路預測的研究得到了大家的廣泛關注，其算法大多通過對網絡拓撲結構進行研究分析，對節(jié)點相似性進行計算等方法來判斷節(jié)點之間有無連邊。

2、但是大多數的鏈路預測算法對于網絡拓撲結構的考慮僅限于網絡的局部信息或者路徑信息，近幾年新的社交網絡鏈路預測算法中需要得知節(jié)點自身的額外屬性信息，但是要得到這種額外信息非常困難，所以實用度不是很高。
　　本文提出了一種關于直接針對邊的基于機器學習的鏈路預測算法，將譜分析引入算法當中，通過拉普拉斯矩陣的特征值和特征向量將節(jié)點映射到二維空間，然后將對節(jié)點的相似性計算直接轉化成對邊的分類預測問題。論文采用一個測試數據集和六個真實網絡數據集

3、證明了算法的可行性，同已有的算法的評價結果進行了比較，評價了論文提出算法的有效性。
　　在此基礎上，論文為了提高算法的預測效果，考慮社團結構對于鏈路預測結果的影響（在同一個社團中的節(jié)點有連接的幾率大于社團間的連接），引入了新的相似度計算方法，即基于角距離的譜分析方法，經證明，利用該相似度計算方法可劃分得到更好的社團結構。將引入角距離的改進算法經過同樣的一個測試數據集和六個真實網絡數據集的實驗驗證之后，證明改進算法確實能夠提高鏈路預