文档介绍：分类号 密级 公开
UDC 学号 20173313007
硕 士 学 位 论 文
论文题目：基于节点高阶特征的链路预测算法
研 究 生 姓 名 杨燕琳
导师姓名（职称） 赵海兴，教授
申请学位类别 理学硕士
学科、专业名称 计算机软件与理论
研究方向名称 复杂网络理论及应用
论文提交日期 2020 年 3 月 论文答辩日期 2020 年 6 月
学位授予单位 青海师范大学 学位授予日期 2020 年 7 月
答辩委员会主席 席政军
评 阅 人 李银奎，宋玉蓉，赵虎
万方数据
万方数据
基于节点高阶特征的链路预测算法
中文摘要
自 1998 年 Watts 和 Strogtz 提出了小世界网络模型，1999 年 Barabási 和 Albert
提出了无标度网络模型以来，复杂网络科学呈现爆炸式发展，研究者们为现实中
各复杂系统建立了复杂网络模型，如交通网络、生态网络和社交关系网络等。为
了更有效的解决现实问题，如交通堵塞和生态系统保护等问题，学者们进而开始
研究各种复杂网络系统的行为和特性，比如复杂网络的演化机制、连通性和抗毁
性等，并发现这些行为和特性离不开复杂系统中个体本身的行为，更离不开个体
与个体之间的关联关系。而链路预测为挖掘个体与个体之间的关联关系提供了有
效的预测机制，研究者为了更高效地挖掘复杂网络的行为和特征，提出了很多不
同类型的链路预测算法。通过对比这些链路预测算法，发现它们很少考虑节点间
的高阶相似性关系，并且基于节点低阶相似性关系的链路预测算法预测性能表现
较差。基于此，本文研究了三种基于节点高阶特征的链路预测算法，均在不同的
方面对链路预测性能有所提升。
（1）提出了一种基于高阶近似的链路预测算法。该方法将高阶网络表示学
****算法与链路预测相结合，考虑了节点与节点之间的高阶相似性关系。同时经过
在四个真实的数据集上的实验仿真，结果表现出基于高阶近似的链路预测算法具
有较好的预测性能。
（2）提出了一种基于复杂网络引力场的链路预测算法。该方法从物理学的
角度考虑目标节点与网络中其他节点之间的高阶特征，将复杂网络中的节点抽象
为万有引力场中的质点，同时将节点的度值这一节点重要性评估方法作为衡量节
点重要性的方式，从而构建了复杂网络引力场模型，并将其应用到了链路预测中。
经过实验仿真，基于复杂网络引力场的预测算法表现出了较好的预测性能。
（3）提出了一种基于节点收缩和复杂网络引力场的链路预测算法。该方法
在本文提出的基于复杂网络引力场的链路预测算法的基础之上，将节点收缩这一
节点重要性评估方法作为衡量节点重要性的方式，提出了改进的复杂网络引力场
模型，并将其应用到了链路预测中。经