基于相似性的鏈路預測方法及應用.pdf

1、本論文研究基于節(jié)點相似性的鏈路預測(Link Prediction),網(wǎng)絡中的鏈路預測既包含對未知鏈接(記錄網(wǎng)絡過程中遺漏或被隱藏的邊)的預測,也包含對未來鏈接(未來很有可能存在的邊)的預測.針對鏈路預測的方法及應用,基于節(jié)點對相似性提出了兩個新的局部相似性指標;隨后考慮鏈路預測對重要連邊的預測功能,將鏈路預測可指導重要連邊的思想運用到崩潰網(wǎng)絡的恢復過程中.
　　受網(wǎng)絡社團結構的啟發(fā),本文首先提出一個新的局部相似性指標——局部社團

2、結構(Local Community Structure)指標,簡稱為LCS指標.在已知網(wǎng)絡局部信息的前提下,LCS指標刻畫了網(wǎng)絡中任意兩個節(jié)點間的共同鄰居節(jié)點與這兩個節(jié)點的聚集關系.在基于真實網(wǎng)絡的實驗中,計算并比較了CN、AA、RA和LCS四個指標在7個不同真實網(wǎng)絡中的AUC值.發(fā)現(xiàn),在簇系數(shù)較大的網(wǎng)絡中,LCS指標的預測精確度要優(yōu)于其他三個指標.
　　在上述LCS指標的構建基礎上,本文借助節(jié)點的鄰居節(jié)點與另一個節(jié)點之間的緊密

3、程度來定義兩個節(jié)點間的相似性,提出了CS指標.該指標結合以往指標的思想和技巧,通過數(shù)據(jù)實驗顯示,它在大多數(shù)真實網(wǎng)絡中可達到比其他指標更高的預測精確度.
　　鏈路預測算法不僅可以用于預測網(wǎng)絡中缺失的連邊,也可以用于探索網(wǎng)絡中隱藏的鏈接以及重要的鏈接.對網(wǎng)絡中重要鏈路的探索研究,本文主要以電力網(wǎng)絡的實際背景為主,在大規(guī)模癱瘓狀態(tài)下的電力系統(tǒng)的恢復過程中,網(wǎng)絡中的一些特殊連邊起到了關鍵作用,這也是本文提出的基于異常鏈路分析的網(wǎng)絡重構策略