基于滲流理論的鏈路預(yù)測算法研究.pdf

1、大數(shù)據(jù)時代，信息以網(wǎng)絡(luò)的形式呈現(xiàn)，可以說網(wǎng)絡(luò)是對復(fù)雜系統(tǒng)的一種抽象表達。節(jié)點表示復(fù)雜系統(tǒng)中的主體，連邊表示主體間的相互作用關(guān)系。對網(wǎng)絡(luò)的研究有助于我們更深刻地理解和認識其所對應(yīng)的復(fù)雜系統(tǒng)。網(wǎng)絡(luò)中的鏈路預(yù)測則是對復(fù)雜系統(tǒng)中主體間相互作用關(guān)系的預(yù)測。它根據(jù)觀察到的網(wǎng)絡(luò)結(jié)構(gòu)等信息，預(yù)測實際存在但未被檢測到的，或者未來某一時刻可能會出現(xiàn)的連邊。
　　隨著信息技術(shù)的發(fā)展，大量來自社會經(jīng)濟系統(tǒng)中的數(shù)據(jù)更容易獲取和收集，但是由于數(shù)量龐大，結(jié)構(gòu)復(fù)

2、雜等特點，使得收集的數(shù)據(jù)存在錯誤和缺失的問題，這為科學(xué)研究的可靠性帶來極大的挑戰(zhàn)。應(yīng)用鏈路預(yù)測方法可以對網(wǎng)絡(luò)中的虛假信息進行識別，對于缺失連接進行補充，進而對網(wǎng)絡(luò)實現(xiàn)重構(gòu)，使其更接近于真實的情況。
　　本文首先回顧了近幾年鏈路預(yù)測的研究進展，以及滲流理論在物理和網(wǎng)絡(luò)科學(xué)中的發(fā)展概況，然后提出一種創(chuàng)新的基于網(wǎng)絡(luò)鍵滲流過程的鏈路預(yù)測方法。網(wǎng)絡(luò)中每一條邊以概率p保留，1-p刪除，隨著p增大網(wǎng)絡(luò)形成一個最大的連通分量，此時網(wǎng)絡(luò)處于滲流狀態(tài)

3、，所對應(yīng)的p為滲流臨界值，即pc。滲流鏈路預(yù)測方法的基本假設(shè)是經(jīng)過刪邊過程，網(wǎng)絡(luò)破碎成多個小的連通分量，如果兩個節(jié)點處于同一連通分量的概率較大，則他們之間更有可能產(chǎn)生連邊。在四個真實網(wǎng)絡(luò)中的實驗結(jié)果表明，本算法在網(wǎng)絡(luò)臨界值附近能夠獲得較高的預(yù)測精度，并優(yōu)于一些傳統(tǒng)的鏈路預(yù)測方法。同時，由于該算法可以并行化計算，因此可以處理大規(guī)模網(wǎng)絡(luò)的鏈路預(yù)測問題。為了探究算法的適用性及其內(nèi)在機制，本論文設(shè)計了一系列網(wǎng)絡(luò)模型來考察算法的影響因素，包括可調(diào)

4、節(jié)網(wǎng)絡(luò)集聚系數(shù)的模型，可調(diào)節(jié)網(wǎng)絡(luò)平均度的模型以及可調(diào)節(jié)模塊度的模型。結(jié)果發(fā)現(xiàn)：隨著集聚系數(shù)增加，網(wǎng)絡(luò)的預(yù)測效果越來越好；隨著網(wǎng)絡(luò)密度的增加，最優(yōu)的預(yù)測參數(shù) p*越來越接近網(wǎng)絡(luò)滲流臨界值pc；模塊度對p*的影響不明顯，但是隨著模塊度的增加pc越來越大，使得 p*向左偏離 pc；相比傳統(tǒng)預(yù)測方法，滲流預(yù)測方法在集聚系數(shù)小且模塊度較大的網(wǎng)絡(luò)中表現(xiàn)出更大的優(yōu)勢。最后，我們將本算法進一步擴展到含權(quán)網(wǎng)絡(luò)中，提出含權(quán)滲流鏈路預(yù)測方法，并應(yīng)用到腦網(wǎng)絡(luò)連