基于图嵌入法的时序网络链路预测研究
发布时间:2023-10-22 12:40
时序网络因为其复杂的动态结构和非线性拓扑特征,一直都是复杂网络和链路预测研究的重点.因为网络结构会动态变化从而导致常用的基于静态网络的方法不再高效适用.本文基于图嵌入方法,提出了一种适用于时序网络的链路预测算法,其核心是改进链路预测中粒子的随机游走过程,使其基于网络结构特征进行有偏向转移.其次,考虑到时序网络中历史信息的影响,在有偏向转移的基础上定义一种粒子的全局转移概率,这种转移概率重点计算最近时刻的信息同时也会考虑历史信息.经过实验例证,本文提出的方法较传统基准指标有较大的提升.
【文章页数】:9 页
【文章目录】:
0 引言
1 相关工作
1.1 链路预测经典指标
1)共同邻居(Common Neighbors,CN)[5]
2)Adamic-Adar指标(AA)[6]
3)资源分配(Resource Allocation,RA)[7]
4)偏好连接指标(Preferential Attachment,PA)[2]
5)有重启的随机游走指标(Random Walk with Restart, RWR)[13]
1.2 图嵌入方法
1)Word2vec
2)Node2vec
1.3 评价指标
2 基于图嵌入法的时序网络链路预测算法
2.1 基于图嵌入法的重启随机游走
2.2 时序网络下的转移概率
2.3 算法流程
3 实验结果与分析
3.1 实验数据
3.2 实验结果与分析
3.2.1 预测结果
3.2.2 时间窗口的影响
3.2.3 动力系数的影响
3.2.4 阻尼因子的影响
4 结论
本文编号:3856537
【文章页数】:9 页
【文章目录】:
0 引言
1 相关工作
1.1 链路预测经典指标
1)共同邻居(Common Neighbors,CN)[5]
2)Adamic-Adar指标(AA)[6]
3)资源分配(Resource Allocation,RA)[7]
4)偏好连接指标(Preferential Attachment,PA)[2]
5)有重启的随机游走指标(Random Walk with Restart, RWR)[13]
1.2 图嵌入方法
1)Word2vec
2)Node2vec
1.3 评价指标
2 基于图嵌入法的时序网络链路预测算法
2.1 基于图嵌入法的重启随机游走
2.2 时序网络下的转移概率
2.3 算法流程
3 实验结果与分析
3.1 实验数据
3.2 实验结果与分析
3.2.1 预测结果
3.2.2 时间窗口的影响
3.2.3 动力系数的影响
3.2.4 阻尼因子的影响
4 结论
本文编号:3856537
本文链接:https://www.wllwen.com/kejilunwen/yysx/3856537.html