DecLiNe——网络链接衰减模型
社会与信息网络
2014-03-20 v2 物理与社会
摘要
图演化的预测是网络分析（尤其是万维网分析）中一个重要且具有挑战性的问题。但是，尽管新链接的出现几乎是每个网络增长模型的一部分，但链接的消失在文献中受到的关注要少得多。为了填补这一空白，我们的方法DecLiNe（网络链接衰减的缩写）旨在基于相应图模型的结构分析来预测网络中的链接衰减。与链接预测问题类似，我们表明图结构分析有助于识别常见网络模型下多余链接的指标。在此过程中，我们引入了新的度量标准，用于表示社交图中某些链接保留在网络中的可能性，并将其与最先进的机器学习方法相结合来预测链接衰减。我们的方法独立于底层网络类型，可以应用于诸如万维网、社交网络和任何其他可表示为网络的结构等多样化网络，并且可以轻松地与特定案例的内容分析相结合，适用于各种社交网络挖掘、过滤和推荐应用。在维基百科的大规模数据集上的系统评估中，我们展示了所提出的基于结构的链接衰减预测算法的实际可行性。
引用
@article{arxiv.1403.4415,
title = {DecLiNe -- Models for Decay of Links in Networks},
author = {Julia Preusse and Jérôme Kunegis and Matthias Thimm and Sergej Sizov},
journal= {arXiv preprint arXiv:1403.4415},
year = {2014}
}