基于資源分配與圖嵌入加權的鏈路預測算法

【摘要】：融入權重信息的加權鏈路預測算法大都具有更好的預測效果,現有的大多數加權算法都是基于外部權重信息,基于網絡拓撲結構權重的研究較少。針對此問題,提出一種利用無權網絡的結構特征生成結構權重的加權鏈路預測算法。首先計算資源分配指標得到網絡局部結構相似性,再利用Deep Walk算法學習網絡結構特征生成節點向量得到余弦相似性,將2個相似性結合定義出網絡的結構權重。最后在4個數據集上進行實驗,將融入權重信息的3種不同類型相似性指標W-CN、W-LP、W-RWR與對應的無權指標進行對比。結果表明,融入結構權重信息的預測算法具有更高的預測精度。