發(fā)布時間：2024-12-11 04:21

　　復雜網絡的研究具有巨大的現實意義,能夠幫助理解社交網絡、生物網絡、交通網絡等各種復雜系統(tǒng)形成的網絡的演化。鏈路預測是復雜網絡與數據挖掘相交叉的一個研究領域,主要研究復雜網絡中的節(jié)點相互產生連邊的可能。鏈路預測對于復雜網絡的演化研究具有重要的價值,并且在實際中也非常具有應用價值,例如進行好友推薦以及指導蛋白質交互網絡的研究等。目前鏈路預測研究中較少利用網絡的時間演化信息,而且多數是針對無向網絡進行研究,并且很少有關注網絡的微觀子結構的演化。而現實中的網絡大多是有向并且隨著時間推移進行演化的。所以本文對生活中最常見,最容易接觸到的有向動態(tài)社交網絡進行鏈路預測研究。模體這個概念最初來源于生物領域,表示網絡中的基本功能子結構,將其應用到鏈路預測中來,可以對復雜網絡中最小的功能子結構既三元組模體進行研究。此外,復雜網絡,特別是社交網絡大多都會有社區(qū)結構,這是在長時間的演化中自然形成的。在網絡中,同一個社區(qū)之中的節(jié)點之間相互連接更加緊密,而不同社區(qū)之間的節(jié)點連接較為稀疏。為解決上述幾個問題,本文做了如下幾個方面的工作:第一,本文提出一種有向動態(tài)社交網絡中的鏈路預測方法,該方法關注三元組模體的動態(tài)演化...

【文章頁數】：70 頁

【學位級別】：碩士

【部分圖文】：

圖2.1靜態(tài)鏈路預測

所以全集U應為90條邊，有80條不存在的邊。如圖2.1(b)選出10條存在的邊中的3條作為測試集，另外7條作為訓練集，那么就有83條未知邊。給定某種鏈路預測算法，賦予83條未知邊一個分數值，其中包括80條不存在的邊和3條測試邊。將這些邊按照分數....

圖2.2動態(tài)網絡鏈路預測

t1時刻有3條邊，t2時刻有4條邊，t3時刻有3條邊。先將樣本網絡劃分為三個時間片，分別為圖2.2(b)t1時間片，圖2.2(c)t2時間片，圖2.2(d)t3時間片。將t3時間片作為測試集，測試集邊數為3，所以未知邊數為83。使用時序鏈路預測....

圖2.4模體轉換

3-1024-021D5-021U6-02111-20112-120D13-120U14-12圖2.3有向網絡中的16種三元組模體的演化中有著重要的作用，本文率來進行鏈路預測。att+1t

圖3.1共同鄰居

圖3.1共同鄰居鄰居的度信息，著名的Adamic-A考慮范圍。AA指標可以表示如=∑()∩()共同鄰居的度數，Γ()與Γ()分同鄰居。由式(3.2)可以看出，對于點對連邊可能性的貢獻就越小。明星必然在社交網絡中具有很高是如果兩個人同時關注了一個并比較....

本文編號：4016180