動態(tài)網絡中的鏈接預測方法研究.pdf

1、鏈接預測是社會網絡分析的核心問題，根據網絡的已知結構，對網絡的未知部分或者對未來時刻的網絡進行預測。鏈接預測，可以挖掘網絡中潛在的信息，也可以預測未來，廣泛應用于好友推薦系統(tǒng)、合著者關系網絡等領域。
　　現實網絡具有大規(guī)模、稀疏性、動態(tài)性的特點。大規(guī)模數據給算法帶來的時間空間復雜度是鏈接預測的一個挑戰(zhàn)；網絡數據的節(jié)點多，鏈接少，如何利用未產生鏈接的節(jié)點對信息成為鏈接預測的另一個挑戰(zhàn)；網絡是動態(tài)發(fā)展的，節(jié)點和邊都在不斷更新，如何采用

2、網絡中節(jié)點的時間特征設計動態(tài)鏈接預測方法也是值得研究的問題。
　　本課題的研究內容主要包括以下三個方面：
　　1、總結并分析了鏈接預測的研究現狀。總結近年來鏈接預測的研究內容，提出目前該任務存在的主要問題及面臨的挑戰(zhàn)。重點介紹了動態(tài)網絡的鏈接預測問題，為動態(tài)復雜網絡中的鏈接預測方法的研究明確了方向。
　　2、提出了一種采用時間特征的半監(jiān)督鏈接預測方法，稱為 T-SSLP。針對網絡稀疏性的特點，該方法使用了半監(jiān)督學習技術

3、，利用網絡中大量未連接的節(jié)點對輔助已連接的節(jié)點對進行訓練；針對網絡動態(tài)性的特點，該方法在節(jié)點對的描述中添加了若干時間特征。我們在現實數據集DBLP和Enron中進行了仿真實驗，并與未采用時間特征或未使用半監(jiān)督技術的鏈接預測方法進行了對比。
　　3、提出了一種基于集成學習的動態(tài)鏈接預測模型，稱為 EnDLiP。該方法針對網絡動態(tài)性的問題，將網絡中節(jié)點對結構特征的動態(tài)變化和鏈接預測結果之間的關系進行建模，根據學得的模型預測網絡下一時刻