基于线性规划的有向网络链路预测方法技术

本发明专利技术属于复杂网络链路预测技术领域，特别涉及一种基于线性规划的有向网络链路预测方法，该方法首先引入可调参数，区分三种类型邻居的影响权重，然后将其对连边形成的贡献程度看作未知量，通过对有向网络的结构分析建立优化函数，构建关于贡献程度矩阵的线性规划问题，求解贡献程度矩阵的最优解，最后结合该最优解构建链路预测指标，用于有向网络链路预测。本发明专利技术考虑有向网络特有局部结构，利用可调参数区分三种类型邻居节点对连边形成的影响，采用线性规划方法求解邻居节点的最优贡献矩阵，相比传统方法更符合网络结构特征，结果更具有普适性，在多种类型网络中具有鲁棒的预测性能。

【技术实现步骤摘要】
基于线性规划的有向网络链路预测方法
本专利技术属于复杂网络链路预测
，特别涉及一种基于线性规划的有向网络链路预测方法。
技术介绍
复杂网络作为网络科学的基本研究对象，可用于对各类复杂系统与非线性过程进行抽象建模，为研究其内在结构机理与动态特性带来极大便利。链路预测作为复杂网络研究中的基本问题，旨在利用已观测的网络结构、属性等信息预测网络中的未知连边或未来连边。其本质是大规模图数据挖掘问题，目前已在推荐系统、交通规划、生物科研等诸多领域展现出巨大应用价值。自2003年首次被提出以来，链路预测已历经近20年的研究，相关方法日趋成熟。然而多数研究均以简单的无向无权网络作为研究对象，忽略连边方向、权重及其它属性，着重研究网络内在拓扑特性。现实世界中的复杂系统大多具有连边方向，直接将其简化为无向网络进行研究势必影响结果的准确性。比如微博关注关系网络，其连边方向指示好友间的关注关系，传统链路预测方法无法确定连边方向，导致预测结果的混淆。同理，在食物链网络、论文共引网络、科研合作网络等典型有向网络中，传统链路预测方法均无法实现对连边存在性与指向本文档来自技高网...

【技术保护点】
1.一种基于线性规划的有向网络链路预测方法，其特征在于，包含以下步骤：/n步骤1，根据网络类型与先验信息确定可调参数的取值，引入可调参数区分不同邻居节点的信息传输能力；/n步骤2，利用步骤1的可调参数构建原始有向网络的有向含权同质网络；/n步骤3，基于线性规划计算最优的邻居节点贡献矩阵；/n步骤4，根据步骤3得到的最优的邻居节点贡献矩阵，计算相似度矩阵；/n步骤5，按相似度大小进行排序，取前若干条边作为最终预测边。/n

【技术特征摘要】
1.一种基于线性规划的有向网络链路预测方法，其特征在于，包含以下步骤：
步骤1，根据网络类型与先验信息确定可调参数的取值，引入可调参数区分不同邻居节点的信息传输能力；
步骤2，利用步骤1的可调参数构建原始有向网络的有向含权同质网络；
步骤3，基于线性规划计算最优的邻居节点贡献矩阵；
步骤4，根据步骤3得到的最优的邻居节点贡献矩阵，计算相似度矩阵；
步骤5，按相似度大小进行排序，取前若干条边作为最终预测边。


2.根据权利要求1所述的基于线性规划的有向网络链路预测方法，其特征在于，在所述步骤1之前，还包括：
对目标网络进行预处理，包括去除连边权重、自环、重复连边和孤立节点，得到原始网络的无权同质拓扑结构，作为待处理网络。


3.根据权利要求2所述的基于线性规划的有向网络链路预测方法，其特征在于，在对目标网络进行预处理之后，还包括：
对待处理网络中的连边按照比例f进行随机划分，其中一部分作为训练集，另一部分作为测试集，训练集与测试集中的连边数量之比为f:(1-f)，其中f为数据集划分比例。


4.根据权利要求1所述的基于线性规划的有向网络链路预测方法，其特征在于，所述步骤2中的原始有向网络为D(V,E)，其中V和E分别为节点集合和连边集合，用N＝|V|表示节点数，M＝|E|表示连边数，A＝{aij}N×N表示邻接矩阵，e(x,y)表示由节点x到节点y的一条有向边。


5.根据权利要求4所述的基于线性规划的有向网络链路预测方法，其特征在于，原始有向网络D(V,E)中某节点x∈V具有三种类型邻居，分别为连入邻居、连出邻居和互惠邻居，其节点集合分别用Γin(x)、Γout(x)、Γrecip(x)表示，且满足Γ(x)＝Γout(x)∪Γin(x)∪Γrecip(x)。


6.根据权利要求5所述的基于线性规划的有向网络链路预测方法，其特征在于，所述引入可调参数α区分三种邻居节点的信息传输能力，其中出度节点的传输能力为1，入度节点的传输能力为α...

【专利技术属性】
技术研发人员：刘树新，李星，李劲松，王凯，李英乐，朱宇航，何赞园，王庚润，卫红权，陈鸿昶，马宏，
申请(专利权)人：中国人民解放军战略支援部队信息工程大学，
类型：发明
国别省市：河南;41