复杂网络链接预测的路径抽样方法

作     者：戴彩艳 陈崚 李斌 DAI Cai-yan;CHEN Ling;LI Bin

作者机构：南京中医药大学信息技术学院南京210000 信息学院计算机系扬州大学江苏扬州225009 南京大学软件新技术国家重点实验室南京210093 

出 版 物：《小型微型计算机系统》 (Journal of Chinese Computer Systems)

年 卷 期：2017年第38卷第8期

页      面：1693-1698页

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 08[工学] 081201[工学-计算机系统结构] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金项目(61379066 61070047 61379064 61472344 61402395)资助 江苏省自然科学基金项目(BK20130452 BK2012672 BK2012128 BK20140492)资助 

主　　题：链接预测 路径相似度 相似度误差 复杂网络 

摘      要：链接预测问题在社会学、人类学、信息科学以及计算机科学等各个领域都受到了广泛的关注.在许多现实应用中,只需要对用户感兴趣顶点的相似度进行预测,而不需要预测复杂网络中的所有顶点.提出一种快速的以路径相似度为基础的方法来预测指定的顶点对间的链接.在该方法中,首先定义顶点之间的路径相似度的概念,然后对给出的节点对之间构造一个的路径的集合,通过设定该集合适当的大小,可以将相似度的误差限制在一个给定的阈值范围内.由于只要计算相关路径的个数,因此该算法可以大大减少计算时间.以对单个节点的路径抽样方法为基础,提出了整个网络的链接预测算法.通过在实际网络上的实验结果表明,本算法与其他方法相比,在更短的时间可以获得更高精度的结果.