基于节点流行度的演化网络链接预测

链接预测旨在揭示网络背后的潜在关系，可用于预测缺失的边或识别虚假的边，并吸引了各领域的广泛关注。链接预测的关键问题是估计网络中两个节点之间的可能性。大多数当前的链接预测方法基于静态结构分析，忽略了演化网络的时间方面。与先前工作不同，在本文中，我们提出了一种基于流行度的结构扰动方法（PBSPM），该方法不仅从网络的现有连接，而且从其两个端点的流行度来刻画边的相似性，因为流行节点之间更有可能形成连接。通过考虑节点的流行度，PBSPM可以抑制那些重要性高但逐渐变得不活跃的节点。因此，所提出的方法倾向于预测活跃节点之间的潜在边，而非不活跃节点之间的边。在四个真实网络上的实验结果表明，该方法在演化网络中的准确性和鲁棒性均优于现有最先进方法。