利用非对称链接聚类信息改进基于局部聚类的 top-L 链接预测方法
社会与信息网络
2018-01-17 v1 物理与社会
摘要
网络可表示广泛的复杂系统，如社会、生物和技术系统。链接预测是网络分析中最重要的问题之一，近来引起大量研究关注。许多链接预测方法已借助各种技术被提出以解决该问题。我们注意到聚类信息在解决链接预测问题中起着重要作用。在既往文献中，我们发现节点聚类系数频繁出现于许多链接预测方法中。然而，节点聚类系数在描述不同局部网络中共同邻居的作用方面存在局限，因为它无法区分一个节点对不同节点对的聚类能力。本文将焦点从节点转向链接，提出非对称链接聚类（ALC）系数的概念。进一步，我们借助ALC概念改进了三种基于节点聚类的链接预测方法。实验结果表明，基于ALC的方法优于基于节点聚类的方法，尤其在食物网、仓鼠友谊网和互联网网络上取得显著改进。此外，与其他方法相比，基于ALC的方法在全局化与个性化 top-L 链接预测任务中均表现非常稳定。
引用
@article{arxiv.1711.08243,
title = {Improving local clustering based top-L link prediction methods via asymmetrical link clustering information},
author = {Zhihao Wu and Youfang Lin and Yiji Zhao and Hongyan Yan},
journal= {arXiv preprint arXiv:1711.08243},
year = {2018}
}
备注
14 pages, 7 figures