多元網(wǎng)絡(luò)通常是指節(jié)點(diǎn)之間存在多種維度鏈接關(guān)系的圖結(jié)構(gòu)。多元網(wǎng)絡(luò)鏈接預(yù)測(cè)算法在構(gòu)建相似度指標(biāo)時(shí),多數(shù)僅考慮單一維度網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)屬性,未挖掘不同維度子網(wǎng)絡(luò)之間存在的關(guān)聯(lián),影響鏈接預(yù)測(cè)的效果。針對(duì)該問(wèn)題,提出一種基于多元全局節(jié)點(diǎn)影響力識(shí)別指標(biāo)MPR的多元網(wǎng)絡(luò)鏈接預(yù)測(cè)算法。通過(guò)定義一個(gè)多維度節(jié)點(diǎn)影響力排序指標(biāo)MPR,度量多元網(wǎng)絡(luò)空間中影響力較大的節(jié)點(diǎn),并把影響力排名函數(shù)轉(zhuǎn)化為潛在節(jié)點(diǎn)對(duì)之間的相似度得分,從而應(yīng)用到多元網(wǎng)絡(luò)鏈接預(yù)測(cè)場(chǎng)景中。在2個(gè)真實(shí)多元網(wǎng)絡(luò)數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明,該算法的預(yù)測(cè)效果優(yōu)于PR、EDC、ANC等對(duì)比算法,且具有較好的穩(wěn)定性。 

【文章來(lái)源】：計(jì)算機(jī)工程. 2020,46(04)北大核心CSCD

【文章頁(yè)數(shù)】：9 頁(yè)

【部分圖文】：

Querylog數(shù)據(jù)集的度分布

上述3個(gè)維度的關(guān)系不僅在邏輯上存在關(guān)聯(lián),在顯式結(jié)構(gòu)上也有關(guān)系,因此,在多元網(wǎng)絡(luò)中,傳統(tǒng)的基于單一維度網(wǎng)絡(luò)(或稱同構(gòu)網(wǎng)絡(luò))的相似度算法并不能反映這種多元屬性。圖1展示了Student數(shù)據(jù)集中的2個(gè)維度(A,B)的局部網(wǎng)絡(luò)結(jié)構(gòu),其中,虛線表示不同維度之間節(jié)點(diǎn)的鏈接關(guān)系,實(shí)線表示單一維度子網(wǎng)絡(luò)內(nèi)部的鏈接關(guān)系。可以看出,一個(gè)維度節(jié)點(diǎn)(A子網(wǎng)絡(luò)的實(shí)心節(jié)點(diǎn))的屬性不僅受其所處維度子網(wǎng)絡(luò)中其他節(jié)點(diǎn)(A子網(wǎng)絡(luò)的空心節(jié)點(diǎn))的影響,也受其他維度子網(wǎng)絡(luò)節(jié)點(diǎn)(B子網(wǎng)絡(luò)的實(shí)心節(jié)點(diǎn))的影響。因此,在設(shè)計(jì)相似度鏈接預(yù)測(cè)算法時(shí),應(yīng)該把多元屬性考慮進(jìn)去。同時(shí),由于鏈接的2個(gè)相同節(jié)點(diǎn)之間的多樣化關(guān)系會(huì)產(chǎn)生多個(gè)互相影響的子網(wǎng)絡(luò),即一個(gè)子網(wǎng)絡(luò)的拓?fù)鋵傩宰兓ǔ?huì)影響其他網(wǎng)絡(luò)的屬性變化,因此一種類型的子網(wǎng)絡(luò)可以成為另一類型子網(wǎng)絡(luò)關(guān)系變化的約束或推動(dòng)力量[11]。圖2和圖3給出Querylog數(shù)據(jù)集的度和聚類系數(shù)分布關(guān)系,可以看出,不同子網(wǎng)絡(luò)的結(jié)構(gòu)存在相似性,可以充分利用多元屬性各維度的相似性結(jié)構(gòu)設(shè)計(jì)預(yù)測(cè)指標(biāo),這在單一同構(gòu)網(wǎng)絡(luò)中是無(wú)法實(shí)現(xiàn)的。圖2 Querylog數(shù)據(jù)集的度分布

圖2 Querylog數(shù)據(jù)集的度分布多元鏈接預(yù)測(cè)算法主要通過(guò)對(duì)維度之間的關(guān)聯(lián)關(guān)系進(jìn)行建模實(shí)現(xiàn)。文獻(xiàn)[12]通過(guò)引入多元網(wǎng)絡(luò)維度之間的相關(guān)性構(gòu)建度相關(guān)、邊相關(guān)等屬性,拓展了CN、AA、RA等傳統(tǒng)的相似度度量,設(shè)計(jì)了一系列新的預(yù)測(cè)指標(biāo)。文獻(xiàn)[13]定義了影響力傳播和時(shí)序信息2種多維度特性,并由此構(gòu)造出多維度鏈接預(yù)測(cè)指標(biāo)MRIP(Multi-Relational Influence Propagation)和MRT(Multi-Relational Temporal Link Prediction)。文獻(xiàn)[14]采用隱含空間網(wǎng)絡(luò)模型提取子網(wǎng)絡(luò)的低維因子,通過(guò)似然比來(lái)檢驗(yàn)因子的相關(guān)性,并建立了一個(gè)冷啟動(dòng)的多維網(wǎng)絡(luò)鏈接預(yù)測(cè)模型。但是,由于異構(gòu)網(wǎng)絡(luò)節(jié)點(diǎn)和鏈接的類型較為復(fù)雜,直接采用相似度計(jì)算方式進(jìn)行鏈接預(yù)測(cè)比較困難。文獻(xiàn)[15]模型雖然基于局部指標(biāo)提供了快速的解決方案并取得了可接受的結(jié)果,但它并沒(méi)有在多元網(wǎng)絡(luò)全局視角下確定不同共同鄰居各自的貢獻(xiàn)度。此外,該模型利用路徑和隨機(jī)游走指標(biāo),根據(jù)節(jié)點(diǎn)之間較長(zhǎng)的鏈接屬性進(jìn)行預(yù)測(cè),其優(yōu)點(diǎn)在于可從網(wǎng)絡(luò)的準(zhǔn)局部/全局視角構(gòu)建,缺點(diǎn)是可能會(huì)忽略共同鄰居的局部結(jié)構(gòu)。一些基于鄰接矩陣的全局指標(biāo)能夠充分利用網(wǎng)絡(luò)全局屬性,但是此類算法運(yùn)行速度慢,難以平衡預(yù)測(cè)性能和計(jì)算效率。

【參考文獻(xiàn)】：
期刊論文
[1]基于卷積神經(jīng)網(wǎng)絡(luò)的鏈接表示及預(yù)測(cè)方法[J]. 張林,程華,房一泉.  浙江大學(xué)學(xué)報(bào)(工學(xué)版). 2018(03)
[2]基于多網(wǎng)絡(luò)數(shù)據(jù)協(xié)同矩陣分解預(yù)測(cè)蛋白質(zhì)功能[J]. 余國(guó)先,王可堯,傅廣垣,王峻,曾安.  計(jì)算機(jī)研究與發(fā)展. 2017(12)
[3]動(dòng)態(tài)信息網(wǎng)絡(luò)中基于角色的結(jié)構(gòu)演化與預(yù)測(cè)[J]. 李川,馮冰清,李艷梅,胡紹林,楊寧,唐常杰.  軟件學(xué)報(bào). 2017(03)



本文編號(hào)：3109307