链接预测问题是复杂网络分析领域的重要问题.现有链接预测方法大多针对静态网络,忽视了动态信息在网络中的传播.为此,针对动态网络中的链接预测问题,本文提出了一种基于动态网络表示的链接预测(dynamic network representation based li...
详细信息
链接预测问题是复杂网络分析领域的重要问题.现有链接预测方法大多针对静态网络,忽视了动态信息在网络中的传播.为此,针对动态网络中的链接预测问题,本文提出了一种基于动态网络表示的链接预测(dynamic network representation based link prediction,DNRLP)模型.该模型对网络中不均匀的动态信息进行了学习,提出了基于连接强度的随机游走算法来模拟动态信息在网络中的扩散,从而得到新时刻下的节点表示,然后通过度量节点表示之间的相似度进行链接预测.实验使用平均交互排序(mean reciprocal rank,MRR)和召回率(Recall@k)指标在四个公开动态网络数据集上进行实验,结果显示DNRLP模型的MRR指标较对比模型平均提高了30.8%.实验结果表明DNRLP模型不仅学习了网络中的动态信息,还考虑了其对邻居节点的影响以及时间间隔对信息更新的影响,得到了更为丰富的节点表示,对于链接预测任务具有明显优势.
经典天体测量仪器以铅垂线为基准测量本地的天文经纬度,因而能探测到本地铅垂线的偏转.本地铅垂线的偏转代表着测站周围重力场的变化,而这一变化与地下物质的再分布相关,由此有望帮助了解地下物质变化的情况.将本地的铅垂线偏转(Plumb Line Variation,PLV)与地下物质变化联系起来,建立了双质量体模型.在97°E-107°E和21°N-29°N范围内,考虑了3480个包含正、负质量变化(相对地质背景)的质量体组合算例,并利用差分进化(Differential Evolutionary,DE)算法进行了解算.解算得到的质量体相对于模拟值的位置误差小于米量级,质量误差小于10^(11) kg,结果精度较高.
暂无评论