時(shí)序網(wǎng)絡(luò)因?yàn)槠鋸?fù)雜的動(dòng)態(tài)結(jié)構(gòu)和非線性拓?fù)涮卣?一直都是復(fù)雜網(wǎng)絡(luò)和鏈路預(yù)測(cè)研究的重點(diǎn).因?yàn)榫W(wǎng)絡(luò)結(jié)構(gòu)會(huì)動(dòng)態(tài)變化從而導(dǎo)致常用的基于靜態(tài)網(wǎng)絡(luò)的方法不再高效適用.本文基于圖嵌入方法,提出了一種適用于時(shí)序網(wǎng)絡(luò)的鏈路預(yù)測(cè)算法,其核心是改進(jìn)鏈路預(yù)測(cè)中粒子的隨機(jī)游走過(guò)程,使其基于網(wǎng)絡(luò)結(jié)構(gòu)特征進(jìn)行有偏向轉(zhuǎn)移.其次,考慮到時(shí)序網(wǎng)絡(luò)中歷史信息的影響,在有偏向轉(zhuǎn)移的基礎(chǔ)上定義一種粒子的全局轉(zhuǎn)移概率,這種轉(zhuǎn)移概率重點(diǎn)計(jì)算最近時(shí)刻的信息同時(shí)也會(huì)考慮歷史信息.經(jīng)過(guò)實(shí)驗(yàn)例證,本文提出的方法較傳統(tǒng)基準(zhǔn)指標(biāo)有較大的提升.

【文章頁(yè)數(shù)】：9 頁(yè)

【文章目錄】：
0 引言
1 相關(guān)工作
    1.1 鏈路預(yù)測(cè)經(jīng)典指標(biāo)
        1)共同鄰居(Common Neighbors,CN)[5]
        2)Adamic-Adar指標(biāo)(AA)[6]
        3)資源分配(Resource Allocation,RA)[7]
        4)偏好連接指標(biāo)(Preferential Attachment,PA)[2]
        5)有重啟的隨機(jī)游走指標(biāo)(Random Walk with Restart, RWR)[13]
    1.2 圖嵌入方法
        1)Word2vec
        2)Node2vec
    1.3 評(píng)價(jià)指標(biāo)
2 基于圖嵌入法的時(shí)序網(wǎng)絡(luò)鏈路預(yù)測(cè)算法
    2.1 基于圖嵌入法的重啟隨機(jī)游走
    2.2 時(shí)序網(wǎng)絡(luò)下的轉(zhuǎn)移概率
    2.3 算法流程
3 實(shí)驗(yàn)結(jié)果與分析
    3.1 實(shí)驗(yàn)數(shù)據(jù)
    3.2 實(shí)驗(yàn)結(jié)果與分析
        3.2.1 預(yù)測(cè)結(jié)果
        3.2.2 時(shí)間窗口的影響
        3.2.3 動(dòng)力系數(shù)的影響
        3.2.4 阻尼因子的影響
4 結(jié)論



本文編號(hào)：3856537