多层社交网络中的层间链路预测：一种迭代度惩罚算法
物理与社会
2020-02-07 v1 社会与信息网络
摘要
在线社交网络（OSN）应用提供不同的体验；例如，在 Twitter 上发布短文本以及在 Instagram 上分享照片。多个 OSN 构成多层网络。出于隐私保护和使用目的，同一用户在不同 OSN 中的账户可能具有不同的用户名、照片和简介。多层网络中的层间链路预测旨在识别不同 OSN 中的账户是否属于同一个人，这有助于网络犯罪行为建模和客户兴趣分析等任务。许多现实世界的 OSN 呈现无标度度分布；因此，具有不同度的邻居可能对跨不同 OSN 的节点匹配度产生不同影响。我们开发了一种用于多层网络层间链路预测的迭代度惩罚（IDP）算法。首先，我们提出了度惩罚原则，对连接数较少的共同匹配邻居赋予更大权重。其次，我们应用节点邻接矩阵乘法高效获取所有未匹配节点对的匹配度。此后，我们使用批准最大值方法从匹配度矩阵中获得层间链路预测结果。最后，将预测结果插入先验层间节点对集合，并迭代执行上述过程，直到某一层中所有未匹配节点均被匹配或所有未匹配节点对的匹配度均等于 0。实验表明，当多层网络平均度和节点重叠率较低时，我们改进的 IDP 算法显著优于当前基于网络结构的方法。
引用
@article{arxiv.2002.02140,
title = {Interlayer link prediction in multiplex social networks: an iterative degree penalty algorithm},
author = {Rui Tang and Shuyu Jiang and Xingshu Chen and Haizhou Wang and Wenxian Wang and Wei Wang},
journal= {arXiv preprint arXiv:2002.02140},
year = {2020}
}