基于低秩结构和局部约束矩阵估计的链接预测方法
网络链接预测问题是链接挖掘的一个重要部分,指的是通过已知的网络结构数据预测网络中尚未连接的任意节点间产生链接的可能性.在大数据时代,互联网社会网络和其他复杂网络中的链接预测问题研究成为热门领域.链接预测相关的方法已被广泛地应用于社会网络关系挖掘、个性化推荐和生物制药等领域.在复杂网络的链接预测问题中,通常利用相似性矩阵来表示网络中任意两个节点之间存在链接的可能性,因此相似性矩阵的计算是链接预测中的至关重要的一步.近年来的研究中,大多数方法是基于已知网络中数据的分析,通过网络潜在结构设计机器学习算法构造相似性矩阵.在全局低秩的网络结构假设下,结合网络中节点特征的局部约束,提出了一种基于数据的链接预测优化算法,并针对复杂网络数据链接预测问题设计了可扩展的分治方法,便于分布式环境中对大规模数据求解.通过在多个真实数据集上的实验和结果分析,提出的基于低秩结构和局部约束矩阵估计的链接预测分治方法能够取得较好的效果,并对复杂的网络结构数据具有较强的可扩展性.
网络链接 预测模型 低秩结构 相似性矩阵
刘冶 印鉴 邓泽亚 王智圣 潘炎
中山大学信息科学与技术学院,广东省广州市510006 中山大学软件学院,广东省广州市510006
国内会议
北京
中文
1-12
2014-12-01（万方平台首次上网日期，不代表论文的发表时间）