一种基于二阶局部群落共同邻居比例和节点相关性的预测网络连边的方法技术

一种基于二阶局部群落共同邻居比例和节点相关性的预测网络连边的方法，建立网络模型，提取两个无连边节点的一阶和二阶共同邻居节点及其之间的边组成二阶局部群落，记录该群落的节点和边的总数，计算此群落的边聚类系数、简谐平均距离、连边密度和二阶局部群落系数。计算两个无连边节点间的皮尔逊积矩相关系数，计算共同邻居比例，计算两节点间的相似性指标，对整个网络任意两个无连边的节点，计算二者之间的相似性指标，将所有无连边节点对间的相似性分数按降序排列，取前h个指标对应的两个节点为预测连边。本发明专利技术考虑了节点之间的共同邻居比例、皮尔逊相关系数以及局部群落的内部属性，有效利用了网络的相关性信息，准确性较高，预测精度较高。

A method for predicting network edges based on two order local community common neighbor ratio and node correlation

A method of two order local communities and the proportion of common neighbor nodes correlation prediction network edges based on the network model, extracting two free edges of a node order and two order common neighbor node and its edges between two order local communities, the total number of records in the nodes and edges, calculation of the community the edge clustering coefficient, average distance and even harmonic edge density and two order local community coefficient. Two no edges between nodes of the Pearson product moment correlation coefficient, calculate the common neighbor proportion, calculate similarity index of two nodes on the network, any two nodes without edges, the similarity index between the calculation of the two, all free edges between nodes of similarity scores in descending order arrangement of two nodes from the first H index corresponding to the predicted edges. The invention considers the ratio of common neighbors, the Pearson correlation coefficient and the internal attributes of the local community, and effectively utilizes the relevance information of the network, and has higher accuracy and higher prediction accuracy.

【技术实现步骤摘要】
一种基于二阶局部群落共同邻居比例和节点相关性的预测网络连边的方法
本专利技术涉及网络与链路预测领域，特别是指一种基于二阶局部群落共同邻居比例和节点相关性的预测网络连边的方法。
技术介绍
随着互联网技术的蓬勃发展，人类跨入了网络新时代，对世界的认识也越来越深刻。如今，网络几乎覆盖了我们学习、工作、生活等各个方面。上网查资料、线上找工作、网上购物等均涉及到万维网。越来越多的人通过互联网来获取外界信息，从而了解社会动态。实际生活中我们与人相处就会形成一张人际关系网，网上购物数据就会形成一张订制的个人偏好网络，交通出行也构成了一张错综复杂的交通网络。网络大数据的研究为我们生活提供了便利，发展了现代科技，为电商等带来极高的价值。链路预测是指通过网络中已知的节点信息去预测网络中其他未知状态或者还没有直接连接的节点间产生连接的概率。在生物网、互联网、交通网、金融网等各式各样的网络中都可以创造可观的价值。总结前人经验，链路预测的研究主要是基于网络结构特性，给出节点连接的相似性分数，然后与真实网络进行对比，衡量算法的优劣性，如：RA指标，CN指标。由于网络的多样性以及网络数据越来越庞大，越来越复杂，更本文档来自技高网...

【技术保护点】
一种基于二阶局部群落共同邻居比例和节点相关性的预测网络连边的方法，其特征在于：包括如下步骤：步骤一：构建内部连通的无向无权网络G(V,E),E为连边，V为节点,其邻接矩阵用A表示；步骤二：任意选取网络G中两个无连边的节点i和j为两个种子节点，i和j之间路径长度为2的中间的一个节点为一阶共同邻居，长度为3的路径的中间2个节点为二阶共同邻居，提取所有i和j的一阶共同邻居节点和二阶共同邻居节点以及这些节点之间的连边，构成二阶局部群落，该群落的节点总数记为CN

【技术特征摘要】
1.一种基于二阶局部群落共同邻居比例和节点相关性的预测网络连边的方法，其特征在于：包括如下步骤：步骤一：构建内部连通的无向无权网络G(V,E),E为连边，V为节点,其邻接矩阵用A表示；步骤二：任意选取网络G中两个无连边的节点i和j为两个种子节点，i和j之间路径长度为2的中间的一个节点为一阶共同邻居，长度为3的路径的中间2个节点为二阶共同邻居，提取所有i和j的一阶共同邻居节点和二阶共同邻居节点以及这些节点之间的连边，构成二阶局部群落，该群落的节点总数记为CNij，总连边数量记为SCSij，节点i和j的一阶和二阶邻居的总数分别记为Ti和Tj，其中与节点i或j的路径长度等于1的节点为其一阶邻居，与节点i或j的路径长度等于2的节点为其二阶邻居；步骤三：计算二阶局部群落的边聚类系数：步骤四：计算二阶局部群落的简谐平均距离：其中，上式中，g和h表示二阶局部群落中任意两个节点，dgh为g和h两个节点之间的路径长度；步骤五...

【专利技术属性】
技术研发人员：杨旭华，俞佳，项旗立，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：浙江,33