基于节点匹配度的动态网络链路预测方法
Chinese Journal of Network and Information Security（2022）
Abstract
现实世界存在众多真实网络,研究真实网络中的动态演化趋势和时序性特征是热点问题.链路预测技术作为网络科学领域重要研究工具可通过挖掘历史连边信息推测网络演化规律,进而对未来连边进行预测.通过分析动态真实网络中的拓扑结构演化,发现通过分析网络拓扑中节点间的交互性和匹配度问题能够更充分捕捉网络的动态特征,提出一种基于节点匹配度的动态网络链路预测方法.该方法对网络节点的属性特征进行分析,定义基于原生影响力和次生影响力的节点重要性量化方法;引入时间衰减因子,刻画不同时刻网络拓扑对连边形成的影响程度;结合节点重要性和时间衰减因子定义动态节点匹配度(TMDN,temporal matching degree of nodes)方法,用于衡量节点对之间未来形成连边的可能性.在5个真实动态网络数据集中的实验结果表明,相比现有3类主流动态网络链路预测方法,所提方法在AUC和Ranking Score两种评价标准下均取得更优的预测性能,预测结果最高提升42％,证明了节点间存在着交互匹配优先级,同时证实了节点原生影响力和次生影响力的有效性.
MoreTranslated text
Key words
dynamic networks,link prediction,matching degree of nodes,node importance,time decaying parameter
AI Read Science
Must-Reading Tree
Example
Generate MRT to find the research sequence of this paper
Chat Paper
Summary is being generated by the instructions you defined