平均聚类系数对无特征图中基于拓扑的链接预测效应
社会与信息网络
2025-01-14 v1
摘要
链接预测是图论中的一个基本问题，具有多种应用，包括推荐系统、社区检测以及识别虚假连接。虽然基于特征的方法能够实现高准确率，但其对节点属性的依赖限制了在无特征图中的适用性。对于此类图，结构基于的方法（包括常见邻居方法和度依赖方法）常被采用。然而，这些方法的有效性取决于图的密度，其中常见邻居方法在稠密图中表现良好，而度依赖方法更适用于稀疏或树状图。尽管如此，文献中缺乏一种明确的标准来区分稠密图和稀疏图。本文引入平均聚类系数作为评估图密度的标准，以辅助链接预测算法的选择。为解决实证分析数据稀缺的问题，我们提出一种基于巴拉阿西-阿伯特模型的新型图生成方法，实现对图密度的可控变化，同时保持结构异质性。通过对合成数据集和真实世界数据集的全面实验，我们建立了一个平均聚类系数的经验边界，以促进有效链接预测技术的选择。
引用
@article{arxiv.2501.06721,
title = {On the effect of the average clustering coefficient on topology-based link prediction in featureless graphs},
author = {Mehrdad Rafiepour and S. Mehdi Vahidipour},
journal= {arXiv preprint arXiv:2501.06721},
year = {2025}
}