一种基于贝叶斯估计和种子节点度的链路预测方法技术

一种基于贝叶斯估计和种子节点度的链路预测方法，建立网络模型，任选两个未直接连接的节点作为种子节点，计算它们之间存在和不存在连边的概率，根据节点对之间长度为2或3路径中间节点的度信息，分别计算二节点之间产生和不产生连边的概率，根据贝叶斯估计和种子节点度信息，计算种子节点对之间长度为2和3路径每个中间节点的似然值，相似性分数为所有中间节点似然值之和，遍历网络，用上述方法得到任意两个未连接节点之间相似性分数，将所有未连接节点对按相似性分数降序排列，取前B个分数值对应的节点对为预测连边。本发明专利技术根据贝叶斯估计，结合种子节点度信息，区分种子节点长度为2或3路径中间节点对产生链路的贡献，算法预测效果好。

A method of link prediction based on Bayesian estimation and seed node degree

A prediction method of link estimation and Bias seed node degree based on the network model, optional two is not directly connected nodes as seed nodes, are calculated between existence and non existence probability of edges between nodes on the length, according to the information of 2 or 3 paths of the intermediate node, between two nodes and not probability of edges were calculated according to the Bias estimation and seed node information, computing nodes on the seed length between 2 and 3 for a likelihood path for each intermediate node values of similarity scores for all intermediate nodes likelihood values, traverse the network, any two nodes are not connected between the similarity scores obtained by the above method all, unconnected nodes according to the similarity scores in descending order, the first B node corresponding to the numerical prediction of edges. According to Bias estimation, combining seed node degree information, the invention can distinguish the seed node length to 2 or 3, and the middle node of the path has the contribution to link generation, and the prediction effect of the algorithm is good.

【技术实现步骤摘要】
一种基于贝叶斯估计和种子节点度的链路预测方法
本专利技术涉及网络科学和链路预测领域，特别是指一种基于贝叶斯估计和种子节点度的链路预测方法。
技术介绍
现实生活中的复杂系统可以使用复杂网络进行研究，网络中的节点代表复杂系统中的个体，连边代表系统中节点之间的相互关系。链路预测是复杂网络的重要研究领域之一，因为链路预测可以对网络的演化过程中节点之间可能产生的链路进行预测，所有可以提前预判出网络的演化趋势，并且可以判断出网络中并不存在的“幽灵边”，能够更好的帮助研究人员研究网络的内在规律。链路预测问题受到研究人员的广泛关注。相比较而言，基于网络结构的链路预测算法相对于基于网络节点属性信息的预测算法更加可靠、准确。共同邻居(CN)算法是一种基于网络结构的经典链路预测算法，这种算法又被称为结构等价算法，即节点之间有很多的共同邻居节点，那么这两个节点就越相似，在CN算法的基础之上衍生出的链路预测算法有Salton算法、Jaccard算法、Sorenson算法、HPI(大度节点有利指标)、HDI(大度节点不利指标)、LHN-I算法、AA算法和RA算法等等，其中Salton算法又被称为余弦相似性算法，本文档来自技高网...

【技术保护点】
一种基于贝叶斯估计和种子节点度的链路预测方法，其特征在于：包括以下步骤：步骤一：建立网络模型G(V,E)，V代表网络中的节点集合，E代表网络中的连边集合，网络的节点总数记为N,用U表示网络中节点对的集合，|U|＝N(N‑1)/2表示网络中节点对的总数；步骤二：任意选取网络中的两个节点x和y作为种子节点，计算它们之间存在直接连边的可能性：

【技术特征摘要】
1.一种基于贝叶斯估计和种子节点度的链路预测方法，其特征在于：包括以下步骤：步骤一：建立网络模型G(V,E)，V代表网络中的节点集合，E代表网络中的连边集合，网络的节点总数记为N,用U表示网络中节点对的集合，|U|＝N(N-1)/2表示网络中节点对的总数；步骤二：任意选取网络中的两个节点x和y作为种子节点，计算它们之间存在直接连边的可能性：其中，|E|表示网络中实际存在的连边总数，A1表示x和y两个节点之间存在直接连边；步骤三：计算网络中任意两个节点x和y之间不存在直接连边的概率：其中，A0表示x和y两个节点之间不存在直接连边；步骤四：根据节点x和y之间长度为2或者3的路径的一个中间节点Vw的度信息，计算节点x和y之间产生连边的概率：P(A1|Vw)＝Cw其中，Cw＝2Ew/kw(kw-1),kw表...

【专利技术属性】
技术研发人员：杨武略，杨旭华，
申请(专利权)人：杨武略，
类型：发明
国别省市：浙江,33