【技术实现步骤摘要】
本专利技术涉及本专利技术涉及复杂网络领域，提供了一种基于网络演化机制的链路预测方法及装置。
技术介绍
1、链路预测旨在通过网络中现有的结构信息预测出网络中的缺失连边和新增连边。目前链路预测已在推荐系统、挖掘生物学信息、重建网络信息、评估网络演化模型等方面得到了广泛的应用。现有的链路预测方法主要包括基于结构相似性的方法、网络嵌入、矩阵分解、集成学习和神经网络的方法等等。其中基于结构相似性的链路预测算法旨在通过计算每对节点之间的相似性得分来预测连边，相似性得分越高的节点之间越有可能产生连边。在相似性指标中，cn(共同邻居)指标认为两节点之间有越多共同邻居则更有可能连接。其他局部相似性指标，以共同邻居为基础，并且考虑了两端节点的度数的贡献，如satlon、jaccard、sorensen、hpi、hdi、lhn1等，它们分别适合于不同的网络特性。近几年，一些考虑社团范式lcp的指标融入到局部相似性指标中，如car、cra、ch指标，这些指标认为社团之内的节点比不在同一个社团的节点更有可能产生连接。除了局部相似性指标外，还有一些指标考虑了更广的信息，如lp指标考虑了3阶及以上的更高阶路径的信息而lrw和srw则通过随机游走的方式计算节点之间的相似性。类似的，全局相似性指标则考虑了整个网络的信息，如katz、lhn2和lo等指标。考虑的信息越多往往获得越好的效果，但也带来了更高的计算代价。
2、链路预测和复杂网络的研究的发展迅猛，但是也面临着重重挑战。首先是现有的相似性算法往往在面对少数网络时表现良好，但是当应对更加广泛的现实
3、于是从这些挑战出发，本专利技术依据正则网络、无标度网络和小世界网络的特性提出了相应的链路预测指标reg，dfpa和lw。通过这些指标我们旨在验证：链路预测指标在预测时往往跟网络的特性有关，单一的指标往往无法应对很多的网络，契合某一网络特征的指标在对于网络上总会更好。之后，本专利技术提出了一个参数化的混合指标hem。通过该混合指标，得到了融合了不同网络的特性的具有更好的泛化性能的指标，该指标在复杂的现实世界网络上具有更好的适应性和更准确的预测效果。
技术实现思路
1、本技术方案旨在通过结合正则网络、无标度网络和小世界网络的特性，提高链路预测的准确性和适应性，解决现有链路预测方法在复杂现实世界网络中的局限性。通过提出新的指标reg、dfpa和lw，以及一个参数化的混合指标hem，该方法能够更准确地模拟和预测不同类型网络的链路产生概率，增强了对网络演化机制的理解和链路预测的准确性。
2、为了实现上述目的本专利技术采用以下技术手段：
3、本专利技术提供了一种基于网络演化机制的链路预测方法，包括以下步骤：
4、步骤1、对网络节点度数进行reg指标处理，以模拟正则网络节点的连接性质，并使用人工正则网络测试reg指标的预测性能；
5、步骤2、对网络节点度数进行dfpa指标处理，以模拟无标度网络节点的连接性质，并使用人工无标度网络测试dfpa指标的预测性能；
6、步骤3、对网络邻接矩阵进行局部世界lw指标处理，以模拟小世界网络的集簇性质，并使用人工小世界网络测试lw指标的预测性能；
7、步骤4、综合reg、dfpa和lw指标，定义hem指标，并在真实复杂网络上评估其性能，通过参数分析网络性质和链路可预测性，进一步优化参数以提高预测性能。
8、上述方案中，步骤1包括以下步骤：
9、步骤1.1、定义reg指标模拟正则网络的节点度数相等性质，通过抑制大度数节点的连接概率，促进小度数节点的连接概率，实现度平衡，从而更加符合正则网络的性质，其中kx和ky分别表示节点x和y的度；
10、步骤1.2、在人工正则网络上应用reg指标，测试其预测性能，并分析和量化其对正则网络的模拟能力。
11、上述方案中，步骤2包括以下步骤：
12、步骤2.1、定义差异优先连接dfpa指标使得度数相差大的节点之间更容易产生连边，而度数相近的节点相互连接的可能性小，从而模拟无标度网络上的度数大的节点更容易产生链路的性质，其中kx和ky分别表示节点x和y的度；
13、步骤2.2、在人工无标度网络上应用dfpa指标，测试其预测性能，并分析和量化其对无标度网络的模拟能力。
14、上述方案中，步骤3包括以下步骤：
15、步骤3.1、计算lw指标slw＝ak+ak+1，a为网络的邻接矩阵，ak为计算每一对节点之间长度为k的路径数，ak计算的路径包含了边上的往返，其中ak包含了ak-2，ak-4....的信息，ak体现了一种局部性，表示邻近节点更容易相连，从而模拟小世界网络邻近节点优先连接的性质；
16、步骤3.2、在人工小世界网络上应用lw指标，测试其预测性能，并分析和量化其对小世界网络的模拟能力。
17、上述方案中，步骤4包括以下步骤：
18、步骤4.1、定义hem指标其中α用于调节正则网络和无标度网络特性的权重，()xy表示节点x和y在小世界网络中的连接性；
19、步骤4.2、在真实复杂网络上评估hem指标的性能，使用precision和auc指标，precision表示预测的链路中实际存在的链路的比例，auc表示预测的链路存在概率的排序能力；
20、步骤4.3、通过采样参数找到最佳参数，并分析这些参数与网络性质的关系；
21、步骤4.4、分析预测因子reg，dfpa，lw对网络性质的影响，并进一步优化参数以提高预测性能。
22、本专利技术还提供了一种基于网络演化机制的链路预测装置，包括以下步骤：
23、reg指标模块、对网络节点度数进行reg指标处理，以模拟正则网络节点的连接性质，并使用人工正则网络测试reg指标的预测性能；
24、dfpa指标模块、对网络节点度数进行dfpa指标处理，以模拟无标度网络节点的连接性质，并使用人工无标度网络测试dfpa指标的预测性能；
25、lw指标模块、对网络邻接矩阵进行局部世界lw指标处理，以模拟小世界网络的集簇性质，并使用人工小世界网络测试lw指标的预测性能；
26、综合模块、综合reg、dfpa和lw指标，定义hem指标，并在真实复杂网络上评估其性能，通过参数分析网络性质和链路可预测性，进一步优化参数以提高预测性能。
27、上述装置中，reg指标模块的具体实现包括以下步骤：
2本文档来自技高网...
【技术保护点】
1.一种基于网络演化机制的链路预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于网络演化机制的链路预测方法，其特征在于，步骤1包括以下步骤：
3.根据权利要求1所述的一种基于网络演化机制的链路预测方法，其特征在于，步骤2包括以下步骤：
4.根据权利要求1所述的一种基于网络演化机制的链路预测方法，其特征在于，步骤3包括以下步骤：
5.根据权利要求1所述的一种基于网络演化机制的链路预测方法，其特征在于，步骤4包括以下步骤：
6.一种基于网络演化机制的链路预测装置，其特征在于，包括以下步骤：
7.根据权利要求6所述的一种基于网络演化机制的链路预测装置，其特征在于，Reg指标模块的具体实现包括以下步骤：
8.根据权利要求6所述的一种基于网络演化机制的链路预测装置，其特征在于，DFPA指标模块的实现具体包括以下步骤：
9.根据权利要求6所述的一种基于网络演化机制的链路预测装置，其特征在于，LW指标模块的实现包括以下步骤：
10.根据权利要求6所述的一种基于网络演化
...【技术特征摘要】
1.一种基于网络演化机制的链路预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于网络演化机制的链路预测方法，其特征在于，步骤1包括以下步骤：
3.根据权利要求1所述的一种基于网络演化机制的链路预测方法，其特征在于，步骤2包括以下步骤：
4.根据权利要求1所述的一种基于网络演化机制的链路预测方法，其特征在于，步骤3包括以下步骤：
5.根据权利要求1所述的一种基于网络演化机制的链路预测方法，其特征在于，步骤4包括以下步骤：
6.一种基于网络演化机制...
【专利技术属性】
技术研发人员：蒲剑苏，柯德劲，兰翰麟，何逸蕾，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。