-
题名融合朴素贝叶斯方法的复杂网络链路预测
被引量：12
- 1
-
-
作者
王润芳
陈增强
刘忠信
-
机构
南开大学人工智能学院
天津市智能机器人重点实验室
-
出处
《智能系统学报》
CSCD
北大核心
2019年第1期99-107,共9页
-
基金
国家自然科学基金项目(61573199
61573197)
天津市自然科学基金项目(14JCYBJC18700)
-
文摘
近来复杂网络成为了众多学者的研究热点。但真实网络中的连边信息并不完整,不利于网络的分析研究,链路预测可以挖掘网络中的缺失连边,为网络重构提供基本依据。本文认为网络中链接的产生不仅受外部因素——共同邻居的影响,还受其自身因素的影响。其中,共同邻居的影响可以通过文献中的局部朴素贝叶斯(LNB)模型量化,节点的影响则根据其自身的度量化。本文将两者综合考虑,提出了融合朴素贝叶斯(SNB)模型,然后用共同邻居(CN)、Adamic-Adar(AA)和资源分配(RA)指标进行推广。在美国航空网(USAir)上的实验结果表明,该方法的预测准确度比LNB和基准方法均有所提高,从而证明了该方法的有效性。
-
关键词
复杂网络
融合朴素贝叶斯模型
局部朴素贝叶斯模型
贝叶斯模型
链路预测
共同邻居
节点度
网络重构
-
Keywords
complex network
syncretic naive bayes model
local naive bayes model
bayes model
link prediction
common neighbors
the degree of node
network reconstruction
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
