基于共同邻节点资源分配和朴素贝叶斯的链路预测方法技术

本发明专利技术公开了一种基于共同邻节点资源分配和朴素贝叶斯的链路预测方法，通过建立网络模型G，选取网络G中任意两个未连接节点x和节点y以及节点x和节点y的共同邻节点，计算节点x与节点y在该共同邻节点作用下相互之间的分配值；其次，利用朴素贝叶斯方法得到步骤S1中共同邻节点的连接属性函数，用连接属性函数区分共同邻节点的角色差异性；最后，结合待预测节点对之间的分配值和共同邻节点的连接属性函数，计算网络G中任意两个未连接节点对的最终相似度值，根据最终相似度值对待预测节点对进行网络链接预测。本发明专利技术利用朴素贝叶斯方法来补充不同节点之间的属性区别，可使链路预测精度实现有效提升。

【技术实现步骤摘要】
基于共同邻节点资源分配和朴素贝叶斯的链路预测方法
本专利技术涉及网络科学技术和网络链路预测的
，特别涉及一种基于共同邻节点资源分配和朴素贝叶斯的链路预测方法。
技术介绍
城市的高速发展，在我们身边构成了各种各样的复杂网络，如社会关系网络、经济网络、交通运输网络、电力网络等，这种社会日益网络化需要我们对各种人工和自然的复杂网络的行为有更好的认识。网络科学为我们研究复杂网络提供了一个新视角和新方法，随着网络科学的日益发展和普及，人们对复杂网络的认识越来越深入和清晰。链路预测是网络科学的重要分支，主要研究两方面内容：一方面对一些实际存在但由于信息缺失而未被检测出的连边进行预测，另一个重要方面是对网络演化过程中未来可能产生联系的连边进行预测。网络科学的飞速发展，使链路预测问题也变得更加鲜活，更有活力。特别是随着其重要的商业价值和科学研究价值被挖掘，它再度成为研究的热点。链路预测最关注的问题是如何找到一个好的链路预测算法，既要有不错的预测效果，也能对各种网络具普遍适用性，还能尽量满足计算不复杂且操作简单。在计算机领域，链路预测方法主要是利用节点属性等外部信息基于机器学习和马尔科夫链来进行本文档来自技高网...

【技术保护点】
1.一种基于共同邻节点资源分配和朴素贝叶斯的链路预测方法，其特征在于，包括如下步骤：S1，建立无权无向网络模型G＝(V,E)，V代表节点的集合，E代表边的集合，网络中节点总数记为N；S2，选取网络G中任意两个未连接节点x和节点y,以及节点x和节点y的共同邻节点，根据共同邻节点的邻节点资源分配，分别计算节点x与节点y在该共同邻节点作用下相互之间的分配值fxwy与fxwx；S3，利用朴素贝叶斯方法得到步骤S1中共同邻节点的连接属性函数g(w)，用连接属性函数区分共同邻节点的角色差异性；S4，结合待预测节点对之间的分配值和共同邻节点的连接属性函数，构建链路预测模型，通过该链路预测算法模型计算网络G中...

【技术特征摘要】
1.一种基于共同邻节点资源分配和朴素贝叶斯的链路预测方法，其特征在于，包括如下步骤：S1，建立无权无向网络模型G＝(V,E)，V代表节点的集合，E代表边的集合，网络中节点总数记为N；S2，选取网络G中任意两个未连接节点x和节点y,以及节点x和节点y的共同邻节点，根据共同邻节点的邻节点资源分配，分别计算节点x与节点y在该共同邻节点作用下相互之间的分配值fxwy与fxwx；S3，利用朴素贝叶斯方法得到步骤S1中共同邻节点的连接属性函数g(w)，用连接属性函数区分共同邻节点的角色差异性；S4，结合待预测节点对之间的分配值和共同邻节点的连接属性函数，构建链路预测模型，通过该链路预测算法模型计算网络G中任意两个未连接节点的最终相似度值Sxy，根据两个未连接节点的最终相似度值Sxy对该两个未连接节点进行网络链接预测。2.如权利要求1所述的基于共同邻节点资源分配和朴素贝叶斯的链路预测方法，其特征在于，所述步骤S2中，计算节点x与节点y在共同邻节点作用下相互之间的分配值fxwy与fywx的计算过程如下：S21，选取网络G中任意两个未连接节点x和节点y作为待预测节点对，统计节点x邻节点集合记为Γ(x)，统计节点y邻节点集合记为Γ(y)；S22，定义待预测节点对(x,y)的共同邻节点集合为Oxy，Oxy＝Γ(x)∩Γ(y)；任意选取共同邻节点集合Oxy中的一个共同邻节点w；S23，根据共同邻节点w的邻节点资源分配，计算节点x通过共同邻节点w连接到节点y的分配值：其中，k(w)表示节点w的度值，|Owy|表示节点w和节点y的共同邻节点数量；S24，根据共同邻节点w的邻节点资源分配，计算节点y通过共同邻节...

【专利技术属性】
技术研发人员：吴云洋，黄虎，胡金晖，魏晓龙，
申请(专利权)人：中电科新型智慧城市研究院有限公司，
类型：发明
国别省市：广东,44