复杂网络链路预测的有效且高效的相似性指标

对不完整网络（如蛋白质-蛋白质相互作用网络）中缺失链路的预测，或对演化网络（如网络社交中的友谊网络）中很可能存在但尚未存在的链路的预测，可以作为进一步实验的指南或为网络用户提供有价值的信息。在本文中，我们引入了一个局部路径指标来估计两个节点之间存在链路的可能性。我们提出了一个网络模型，其生成链路时的密度和噪声强度可控，并收集了六个真实网络的数据。对模型网络和真实网络的大量数值模拟表明，与两个众所周知且广泛使用的指标——共同邻居和 Katz 指标——相比，局部路径指标具有很高的有效性和效率。事实上，局部路径指标提供了与 Katz 指标具有竞争力的准确预测，同时需要更少的 CPU 时间和内存空间，因此是大型网络数据挖掘中潜在实际应用的有力候选者。