摘要:链路预测的任务是挖掘网络中缺失的链接或预测一对节点之间存在链路的可能性。如何有效准确地预测不完整复杂网络中的缺失链接是一个具有挑战性的问题。综合考虑节点的集体影响以及边的聚类信息对所预测边的贡献,提出一种新的链路预测算法CELP(link prediction algorithm based on collective influence and edge clustering information),并结合节点的社区属性,基于设计的贝叶斯网络提出其在标签网络的扩展算法CELP*。来自各个领域的多个测试网络的实验结果表明,与典型的链路预测方法及近期的部分指标相比,所提算法在保持同等AUC水平的同时,提高了预测精度,也进一步肯定了局部节点信息和链路信息对于链路预测工作的重要性。
简介:《计算机科学与探索》(CN:11-5602/TP)是一本有较高学术价值的大型月刊,自创刊以来,选题新奇而不失报道广度,服务大众而不失理论高度。颇受业界和广大读者的关注和好评。
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社