基于社交网络结构相似性与同质性相似性的链接预测模型

近年来，随着在线社交网络数量的不断增长，这些网络已成为广告与商业的最佳市场之一，因此研究这些网络十分重要。预测在线社交网络中的新边能够让我们更好地理解这些网络的增长。在工程和人文领域已有许多关于链接预测的研究。科学家将两个人之间新关系的产生归因于两个原因：1) 图上的邻近性（结构）；2) 两人的相似属性（同质性定律）。然而，研究这两种方法协同作用以产生新边的影响仍是一个开放问题。相似性度量也可分为两类：基于邻域的和基于路径的。迄今为止，上述两种理论方法（邻近性与同质性）尚未在基于邻域的度量中同时出现。本文中，我们首先尝试提供一种方案，以确定图的邻近性与相似特征在图连通性中的重要性。然后将获得的权重分配给邻近性与同质性。接着获得每种方法中最佳的相似性度量。最后，将所选的同质性相似性度量与结构相似性度量按所得权重进行组合。本研究的结果在两个数据集上进行了评估：赞詹大学社会科学研究生院与 Pokec 在线社交网络。第一个数据集是为本研究收集的，随后填写了问卷并实施了数据收集方法。由于该数据集是少数几个附带用户规格的伊朗数据集之一，因此具有重大价值。在本文中，我们能够通过结合图上的邻近性与同质性两种方法，提高基于邻域的相似性度量的准确率。