社會(huì)網(wǎng)絡(luò)中基于神經(jīng)網(wǎng)絡(luò)的鏈路預(yù)測(cè)方法
摘要:鏈路預(yù)測(cè)是網(wǎng)絡(luò)信息挖掘的主要研究?jī)?nèi)容,通過對(duì)網(wǎng)絡(luò)結(jié)構(gòu)和其他信息的分析,挖掘缺失的鏈接或預(yù)測(cè)未來可能出現(xiàn)的鏈接。鏈路預(yù)測(cè)在推薦系統(tǒng)、社會(huì)網(wǎng)絡(luò)和生物網(wǎng)絡(luò)分析中有著十分廣泛的應(yīng)用。本文首先介紹了基于公共鄰居、路徑和隨機(jī)游走的8種常用的鏈路預(yù)測(cè)指標(biāo).并在此基礎(chǔ)上提出了一種基于這8種指標(biāo)線性組合的度量指標(biāo),并經(jīng)過實(shí)驗(yàn)找出了較好的優(yōu)化參數(shù)。然后,提出了基于這8種指標(biāo)的神經(jīng)網(wǎng)絡(luò)模型.并分別基于Weka平臺(tái)和FANN庫(kù)進(jìn)行了實(shí)現(xiàn)。在社會(huì)網(wǎng)絡(luò)的4個(gè)公開測(cè)試集上的實(shí)驗(yàn)結(jié)果表明.基于FANN庫(kù)的神經(jīng)網(wǎng)絡(luò)模型的預(yù)測(cè)結(jié)果最好,在4個(gè)數(shù)據(jù)集上最高的AUC值分別達(dá)到了0。95l8、0.9289、0.7480和0.8677,與單一指標(biāo)最好的AUC值相比分別提高了3.92%、1.45%、7.06%和24.35%。
注: 保護(hù)知識(shí)產(chǎn)權(quán),如需閱讀全文請(qǐng)聯(lián)系數(shù)學(xué)建模及其應(yīng)用雜志社