社區(qū)網(wǎng)絡(luò)鏈路預(yù)測(cè).pdf

1、在現(xiàn)實(shí)生活中有許多系統(tǒng)都可以抽象成復(fù)雜網(wǎng)絡(luò)，進(jìn)而用圖論的方法對(duì)其進(jìn)行研究。復(fù)雜網(wǎng)絡(luò)的研究在當(dāng)今社會(huì)已經(jīng)有了非凡的意義和地位，而鏈路預(yù)測(cè)和社區(qū)檢測(cè)是復(fù)雜網(wǎng)絡(luò)的兩個(gè)重要研究方向。鏈路預(yù)測(cè)是指：通過(guò)網(wǎng)絡(luò)的已知信息來(lái)對(duì)網(wǎng)絡(luò)中尚未產(chǎn)生連邊的兩個(gè)節(jié)點(diǎn)預(yù)測(cè)其產(chǎn)生連接的可能性．一般來(lái)說(shuō)鏈路預(yù)測(cè)主要有兩種用途，分別是對(duì)已經(jīng)存在但尚未被發(fā)現(xiàn)的鏈接的預(yù)測(cè)和對(duì)未來(lái)可能產(chǎn)生的鏈接的預(yù)測(cè)。鏈路預(yù)測(cè)的研究不僅具有理論價(jià)值，而且具有十分重要的應(yīng)用價(jià)值，所以這是一項(xiàng)十分

2、重要的工作。另一方面，社區(qū)檢測(cè)的簡(jiǎn)單說(shuō)法是說(shuō)：要找到網(wǎng)絡(luò)中節(jié)點(diǎn)的分類集合，使得同一集合內(nèi)的節(jié)點(diǎn)間聯(lián)系比較緊密，不同集合間的節(jié)點(diǎn)間聯(lián)系比較稀疏。了解網(wǎng)絡(luò)的社區(qū)結(jié)構(gòu)可以幫助我們進(jìn)一步分析網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)，并更好地理解和解釋網(wǎng)絡(luò)的功能，從而能夠更容易發(fā)現(xiàn)網(wǎng)絡(luò)中一些隱而未現(xiàn)的規(guī)律以及預(yù)測(cè)網(wǎng)絡(luò)的行為。由于網(wǎng)絡(luò)的社區(qū)結(jié)構(gòu)具有如此重要的價(jià)值，所以如何在現(xiàn)有網(wǎng)絡(luò)數(shù)據(jù)的基礎(chǔ)上快速高效地發(fā)現(xiàn)網(wǎng)絡(luò)的社區(qū)結(jié)構(gòu)也是一項(xiàng)十分重要的工作。
　　本文的工作正是圍繞

3、這兩個(gè)方向展開(kāi)的。首先，本文提出了一種利用網(wǎng)絡(luò)社區(qū)結(jié)構(gòu)信息和節(jié)點(diǎn)相似性信息的基于社區(qū)信息和節(jié)點(diǎn)相似性的鏈路預(yù)測(cè)方法。接著，我們發(fā)現(xiàn)復(fù)雜網(wǎng)絡(luò)鏈路預(yù)測(cè)的結(jié)果其實(shí)在某種程度上反映了網(wǎng)絡(luò)演化的一些性質(zhì)?；谶@個(gè)思想我們又提出了一種利用網(wǎng)絡(luò)的鏈路預(yù)測(cè)結(jié)果信息的基于網(wǎng)絡(luò)演化的社區(qū)檢測(cè)方法。最后，我們驚喜地發(fā)現(xiàn)，只要經(jīng)過(guò)略微地調(diào)整，我們提出的這種社區(qū)檢測(cè)算法就可以很好的推廣到符號(hào)網(wǎng)絡(luò)中，并具有十分優(yōu)越的性能，從而得到一種適用于多種網(wǎng)絡(luò)的更一般化的社區(qū)

4、檢測(cè)算法。本文的主要工作如下：
　　1.基于社區(qū)信息和節(jié)點(diǎn)相似性的鏈路預(yù)測(cè)算法。這種方法是在隨機(jī)分塊模型的基礎(chǔ)上，通過(guò)融合網(wǎng)絡(luò)社區(qū)結(jié)構(gòu)信息和節(jié)點(diǎn)相似性信息而實(shí)現(xiàn)鏈路預(yù)測(cè)的。通過(guò)在真實(shí)網(wǎng)絡(luò)和LFRbenchmark網(wǎng)絡(luò)上的大量實(shí)驗(yàn)，證實(shí)了該方法具有很高的預(yù)測(cè)精度，同時(shí)時(shí)間復(fù)雜度又相對(duì)較小。特別地，在面對(duì)不同規(guī)模的網(wǎng)絡(luò)時(shí)，我們可以分別以不同的方式實(shí)現(xiàn)該算法，并保證其良好的性能。
　　2.基于網(wǎng)絡(luò)演化的社區(qū)檢測(cè)算法。我們利用網(wǎng)絡(luò)的

5、鏈路預(yù)測(cè)結(jié)果中所蘊(yùn)藏的網(wǎng)絡(luò)演化信息，做到了在重現(xiàn)網(wǎng)絡(luò)演化過(guò)程的同時(shí)對(duì)目標(biāo)網(wǎng)絡(luò)進(jìn)行社區(qū)檢測(cè)，而最終提出了這種基于網(wǎng)絡(luò)演化的社區(qū)檢測(cè)算法。該算法不同于傳統(tǒng)的社區(qū)檢測(cè)算法，開(kāi)拓出了社區(qū)檢測(cè)的新思路，其思路簡(jiǎn)單易懂、算法復(fù)雜度低、劃分精確度高等特點(diǎn)都在大量的現(xiàn)實(shí)網(wǎng)絡(luò)和LFRbenchmark網(wǎng)絡(luò)的實(shí)驗(yàn)中得到了驗(yàn)證。
　　3.基于網(wǎng)絡(luò)演化的符號(hào)網(wǎng)絡(luò)社區(qū)檢測(cè)算法。我們提出的基于網(wǎng)絡(luò)演化的社區(qū)檢測(cè)算法只需要略微調(diào)整就可以適用于符號(hào)網(wǎng)絡(luò)中，甚至是