链路预测的方法与发展综述

节 如社交软件的好友推荐系统%网络超链接的预测以及
点种类多样以及网络演化过程复杂的特点#使得其研 股市走向等' 准确的链路预测为复杂网络的进化研究
究充满了挑战' 但是#掌握了复杂网络的演化规律可 工作提供了有力帮助' 因此#对复杂网络中的结构和
以帮助人们更好地掌控网络结构的变化趋势#因此#吸 链路进行研究和建模是十分必要的'
测算法精确度的方法进行了介绍#最后对链路预测的
收稿日期!!"#& (") (#$
未来研究方向和发展前景进行了总结和展望'
网络模型介绍 基金项目!国家自然科学基金"*#%%+""%#,#+)%"%$$
作者简介!张月霞"#$)&$#女#博士# 副教授#主要研究方向 为移动通信%卫星通信和移动互联网&冯译萱"#$$+$#女#硕
性%基于网络拓扑结构%基于机器学习以及基于最大似然的方法#比较了+ 类预测方法的优劣#并概述了
几种常见的衡量链路预测算法精确度标准' 最后总结并展望了链路预测的未来研究方向和发展前景'
关键词!链路预测&复杂网络&相似性指标&网络结构
中图分类号 文献标识码 文章编号 !-.%$%''
!/''
!#""" (&&!$"!"#$$"! ("""& ("*
预测的研究中提出的方法#都会给节点之间的连边计 算低出排一序#个排评在分最数前值面'的()#评并分把数所值有最节高点#的说评明分两数个值节按点链高 接概率越大' 网络中各符号的定义如表# 所示'
度'
!'链路预测方法分类
!0#'基于节点属性的方法 在早期对链路预测的研究中#多数学者采用的是
基于节点属性的链路预测方法' 两个节点的属性#如 兴趣爱好等越相似#就越容易产生连接' 在社交网络 中#最简单的获得节点属性的方法就是使用标签' 卜
#'
在线社交网络中的用户与用户交杂出庞大的社会
士研究生#主要研究方向为复杂网络%舆情传播'
网络体系#网络中的节点代表用户#网络中的连边代表
Copyright©博看网 . All Rights Reserved.
链路预测的方法与发展综述
*$*
用户之间关注与被关注的关系' 设定!""##$为一个 用基于机器学习或最大似然等技术更新的链路预测方
!"#!#"0#$)"& 12034250!"#$0"!0""%
$%&''()* "+,-./.,-"!0(1!2.3.4"5'.1,"+6#178).!#9,#"1
67/89:;<=>?@ABC89:?=>;@D
EF3GHHIHJKDJHLM@N?HD @DO PHMM;D?3@N?HD CDQ?D<<L?DQAR<?2?DQKDJHLM@N?HD F3?<D3<S-<3GDHIHQTUD?V<L5?NTA R<?2?DQ#""#"#APG?D@W
表#'网络符号及定义
心怡等人(!) 利用微博做出了实证分析#用粉丝数量%
社交网络#其中"为节点的集合##为两点间连边的集 法#与节点属性%网络结构等信息相结合#综合性地对
合#网络中共有$个节点#% 条边' 那么集合中有 连接关系进行预测#大大提高了链路预测的准确程
条边即全集 $" $(# $ !
#
&'
而网络中不可能所有节点
之间都存在连边#所以$"$(#$ ^%' 所有有关链路 !
''复杂网络能够很好地描述社会科学%自然科学%管 链接' 链接的内在机制%形式和结构在不同系统中的
理科学以及工程技术等领域的相互关联的复杂模型# 演变过程揭示了人类在社会活动中的行为和趋势(#)'
应用范围广泛' 其以复杂系统为研究目标#利用数学% 研究链接的产生有助于塑造和提高对人类行为和社会
统计学%计算机等科学工具#分析和研究事物的本质结 网络的理解#也有助于推进对其他众多领域的研究#比
*&*
测控技术
!"#$ 年第%& 卷第! 期
综述'
链路预测的方法与发展综述
张月霞# 冯译萱
"北京信息科技大学信息与通信工程学院#北京'#""#"#$
摘要!链路预测对网络结构特征的演化趋势进行挖掘有着不可磨灭的促进作用' 为了对网络的未来结
构变化进行预测#学者们提出了许多算法' 综述了+ 类较为常见的链路预测方法#分别是基于节点属
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
引了越来越多的人去探索复杂网络已存在的结构特征 本文对节点属性%网络拓扑结构%机器学习%最大
及其发展趋势'
似然等+ 类链路预测方法进行总结与概括#介绍了各
链路预测是研究复杂网络的核心内容之一' 在复 类方法中学者们提出的一些经典算法#对这+ 种方法
杂网络中#个体被称为节点#节点与节点间的关系称为 的优缺点进行了阐述' 对几种较为常见的评价链路预