理解网络形成模式以改进链接预测

作为复杂网络领域的经典问题，链接预测已引起研究者的广泛关注，其对于帮助我们理解网络的演化与动态发展机制具有重要意义。尽管已提出各种针对特定网络类型的算法来处理链接预测问题，其中大多数假设网络结构由三元闭包原理(Triadic Closure Principle)主导。我们仍缺乏对用于预测潜在链接的网络形成模式的自适应且全面的理解。此外，研究如何更好地利用网络局部信息颇具价值。为此，我们提出一种名为利用多阶局部信息的链接预测(Link prediction using Multiple Order Local Information, MOLI)的新方法，其利用来自不同距离邻居的局部信息，参数可基于先验知识由先验驱动，或通过在观测网络上求解优化问题由数据驱动。MOLI 通过图上的随机游走定义局部网络扩散过程，从而更好地利用网络信息。我们表明，在 11 种不同类型的模拟与真实网络上，MOLI 优于其他 11 种广泛使用的链接预测算法。我们还得出结论：不同网络（包括社交网络、通信网络、生物网络等）存在不同的局部信息利用模式。特别地，经典的基于共同邻居的算法并不像普遍认为的那样适应所有社交网络；相反，部分社交网络遵循四边形闭包原理(Quadrilateral Closure Principle)，优先连接长度为三的路径。