基于三元闭包的多层网络链接预测
社会与信息网络
2020-11-19 v1 机器学习
物理与社会
摘要
链接预测算法有助于理解复杂系统的结构与动力学、从不完整数据集中重建网络以及预测演化网络中的未来交互。基于节点间相似性的现有算法受限于这些网络中存在的链接数量有限。在这项工作中，我们减弱了这一内在限制，并表明可以利用不同类型的关系数据来改进新链接的预测。为此，我们通过将 Adamic-Adar 方法推广到由任意层数组成并编码多种交互形式的多层网络，提出了一种新颖的链接预测算法。我们表明，在多个社交、生物和技术系统中，这一新度量优于经典的单层 Adamic-Adar 分数以及其他 SOTA 方法。作为副产品，使多层 Adamic-Adar 度量最大化的系数指示了多层网络中结构化的信息可如何针对链接预测任务进行优化，揭示了哪些层是冗余的。有趣的是，相对于不同层中的预测，这一效应可以是非对称的。我们的工作为更深入理解不同关系数据在预测新交互中的作用铺平了道路，并提供了一种可应用于大量系统的多层网络链接预测新算法。
引用
@article{arxiv.2011.09126,
title = {Link prediction in multiplex networks via triadic closure},
author = {Alberto Aleta and Marta Tuninetti and Daniela Paolotti and Yamir Moreno and Michele Starnini},
journal= {arXiv preprint arXiv:2011.09126},
year = {2020}
}
备注
arXiv admin note: substantial text overlap with arXiv:2005.04432