復雜網(wǎng)絡上鏈路預測的研究.pdf

1、當前復雜網(wǎng)絡研究中的熱點問題是理解復雜網(wǎng)絡的演化，而網(wǎng)絡演化建模中一個基本的計算問題是鏈路預測。本文主要關注復雜網(wǎng)絡上的鏈路預測算法，其中基于相似性的預測算法是本文的研究重點。本文在一組真實網(wǎng)絡數(shù)據(jù)上的實驗表明，集群系數(shù)對各種相似性指標的預測結果有比較重要的影響，尤其是對局部相似性指標，比如CN和RA。一般來說，對高集群系數(shù)的網(wǎng)絡，各種相似性指標都可以給出比較滿意的預測結果。需要注意的是，利用網(wǎng)絡路徑信息的相似性指標，比如Katz和LP

2、，其中路徑長度的最優(yōu)上限與網(wǎng)絡平均路徑有直接的關聯(lián)，一般來說，路徑長度的最優(yōu)上限等于網(wǎng)絡平均距離，如果加入長度超過平均距離的路徑信息，算法的預測結果可能還會變差。另外，本次實驗發(fā)現(xiàn)，基于隨機游走的算法，比如LRW和RWR，對網(wǎng)絡拓撲的變化不敏感。尤其LRW指標，在各種網(wǎng)絡上都能夠給出比較滿意的預測結果。
　　 另外，本文提出了一個普適的驗證模型，可以從中發(fā)掘網(wǎng)絡演化過程中的一些特性。并且在此模型之上，實驗驗證了“新鏈路”對局部網(wǎng)