社會網絡中基于神經網絡的鏈路預測方法
摘要：鏈路預測是網絡信息挖掘的主要研究內容，通過對網絡結構和其他信息的分析，挖掘缺失的鏈接或預測未來可能出現的鏈接。鏈路預測在推薦系統、社會網絡和生物網絡分析中有著十分廣泛的應用。本文首先介紹了基于公共鄰居、路徑和隨機游走的8種常用的鏈路預測指標．并在此基礎上提出了一種基于這8種指標線性組合的度量指標，并經過實驗找出了較好的優化參數。然后，提出了基于這8種指標的神經網絡模型．并分別基于Weka平臺和FANN庫進行了實現。在社會網絡的4個公開測試集上的實驗結果表明．基于FANN庫的神經網絡模型的預測結果最好，在4個數據集上最高的AUC值分別達到了0。95l8、0．9289、0．7480和0．8677，與單一指標最好的AUC值相比分別提高了3．92％、1．45％、7．06％和24．35％。
注: 保護知識產權,如需閱讀全文請聯系數學建模及其應用雜志社
相關推薦
更多
