2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩50頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領

文檔簡介

1、復雜網(wǎng)絡作為建模分析復雜系統(tǒng)的有效工具,正吸引著眾多學者的研究興趣,真實世界的復雜系統(tǒng)通常隨著時間不斷演化改變,而本文研究的動態(tài)網(wǎng)絡恰好能夠合理刻畫這種動態(tài)特性。對動態(tài)網(wǎng)絡將來某時刻邊的預測,即動態(tài)網(wǎng)絡鏈路預測問題,在諸如在線產(chǎn)品推薦、社交網(wǎng)絡好友推薦或生物分子功能交互檢測等領域中具有極大的應用背景和實用價值。
  目前,大部分鏈路預測工作都集中在靜態(tài)網(wǎng)絡上,其中基于共同鄰居(Common Neighbor, CN)相似性的鏈路預

2、測方法最為人們熟知,由于其計算簡單且時間復雜度低,還經(jīng)常被擴展到動態(tài)網(wǎng)絡鏈路預測上,如CN-last和CN-all方法,然而這兩種方法忽略了動態(tài)網(wǎng)絡中邊的時序性這個重要信息,使得其預測準確性不夠理想。本文給出了廣義共同鄰居(Generalized Common Neighbor, GCN)的定義,用來計算兩個頂點在動態(tài)網(wǎng)絡中廣義上的共同鄰居個數(shù),結合邊的時序性,給出了三種基于廣義共同鄰居的相似性計算方法,包含GCN-E, GCN-L和G

3、CN-IL,基于廣義共同鄰居相似性,提出了一個動態(tài)網(wǎng)絡鏈路預測的方法,這種方法保留了共同鄰居復雜度低的特點,同時有效利用了動態(tài)網(wǎng)絡的時序性信息,可以提高預測準確性。
  本文在人工合成數(shù)據(jù)和真實網(wǎng)絡數(shù)據(jù)上,對提出的動態(tài)網(wǎng)絡鏈路預測方法進行了實驗研究。實驗結果表明,本文提出的GCN-E、GCN-L和GCN-IL三種方法得到的預測準確度相差不大。而與CN-last和CN-all方法相比時,預測效果有明顯提升,如GCN-E在所有實驗的三

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論