復(fù)雜網(wǎng)絡(luò)上鏈路預(yù)測(cè)的研究.pdf

1、當(dāng)前復(fù)雜網(wǎng)絡(luò)研究中的熱點(diǎn)問(wèn)題是理解復(fù)雜網(wǎng)絡(luò)的演化，而網(wǎng)絡(luò)演化建模中一個(gè)基本的計(jì)算問(wèn)題是鏈路預(yù)測(cè)。本文主要關(guān)注復(fù)雜網(wǎng)絡(luò)上的鏈路預(yù)測(cè)算法，其中基于相似性的預(yù)測(cè)算法是本文的研究重點(diǎn)。本文在一組真實(shí)網(wǎng)絡(luò)數(shù)據(jù)上的實(shí)驗(yàn)表明，集群系數(shù)對(duì)各種相似性指標(biāo)的預(yù)測(cè)結(jié)果有比較重要的影響，尤其是對(duì)局部相似性指標(biāo)，比如CN和RA。一般來(lái)說(shuō)，對(duì)高集群系數(shù)的網(wǎng)絡(luò)，各種相似性指標(biāo)都可以給出比較滿意的預(yù)測(cè)結(jié)果。需要注意的是，利用網(wǎng)絡(luò)路徑信息的相似性指標(biāo)，比如Katz和LP

2、，其中路徑長(zhǎng)度的最優(yōu)上限與網(wǎng)絡(luò)平均路徑有直接的關(guān)聯(lián)，一般來(lái)說(shuō)，路徑長(zhǎng)度的最優(yōu)上限等于網(wǎng)絡(luò)平均距離，如果加入長(zhǎng)度超過(guò)平均距離的路徑信息，算法的預(yù)測(cè)結(jié)果可能還會(huì)變差。另外，本次實(shí)驗(yàn)發(fā)現(xiàn)，基于隨機(jī)游走的算法，比如LRW和RWR，對(duì)網(wǎng)絡(luò)拓?fù)涞淖兓幻舾?。尤其LRW指標(biāo)，在各種網(wǎng)絡(luò)上都能夠給出比較滿意的預(yù)測(cè)結(jié)果。
　　 另外，本文提出了一個(gè)普適的驗(yàn)證模型，可以從中發(fā)掘網(wǎng)絡(luò)演化過(guò)程中的一些特性。并且在此模型之上，實(shí)驗(yàn)驗(yàn)證了“新鏈路”對(duì)局部網(wǎng)