-
题名基于网络表示学习的链路预测算法
被引量：3
- 1
-
-
作者
杨晓翠
宋甲秀
张曦煌
-
机构
江南大学物联网工程学院
-
出处
《计算机科学与探索》
CSCD
北大核心
2019年第5期812-821,共10页
-
基金
江苏省产学研合作项目基金No.BY2015019-30~~
-
文摘
网络是表达对象之间复杂联系的重要形式,广泛存在。而链路预测作为网络分析的重要方法,具有很大的研究意义和应用价值。传统的链路预测算法普遍是基于邻接矩阵的稀疏表示方案而设计,计算效率低且扩展性差。首先引入网络表示学习的概念,创新性地提出基于几何布朗运动的随机游走算法GbmRw,然后进一步设计出网络表示学习算法GBMLA,实现更具区分能力与表达能力的网络表示,最后以节点表示向量的欧式距离来表征节点之间的相似性,从而预测其链路存在的可能性。不同领域的多个网络中进行反复实验的结果表明,该算法较之于基于原始网络设计的传统算法,预测效果得到了明显的提升,也进一步肯定了网络表示学习对于链路预测工作的重要意义。
-
关键词
链路预测
几何布朗运动
随机游走算法
网络表示学习算法
-
Keywords
link prediction
geometric Brownian motion
random walk algorithm
network representation learning algorithm
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
