传统随机游走链接预测算法基于复杂网络局部拓扑路径建立,没有考虑不同类型网络的生成机制。针对该问题,引入衡量随机游走效率的重要统计指标-平均首到达时间(mean first passing time,MFPT),提出一种可扩展的链接预测算法。该算法结合...传统随机游走链接预测算法基于复杂网络局部拓扑路径建立,没有考虑不同类型网络的生成机制。针对该问题,引入衡量随机游走效率的重要统计指标-平均首到达时间(mean first passing time,MFPT),提出一种可扩展的链接预测算法。该算法结合图谱理论,计算每个目标节点从其余节点到该节点的MFPT,以基于互信息度量节点影响的偏好随机游走算法(mutual information random walk,MIRW)为例,把MFPT信息嵌入到跳转概率定义中并拓展到加权网络链接预测场景。在生成的仿真网络数据和真实网络中的实证结果表明,该文算法能够提升基准随机游走算法的预测性能,并具备很好的扩展性。展开更多
文摘传统随机游走链接预测算法基于复杂网络局部拓扑路径建立,没有考虑不同类型网络的生成机制。针对该问题,引入衡量随机游走效率的重要统计指标-平均首到达时间(mean first passing time,MFPT),提出一种可扩展的链接预测算法。该算法结合图谱理论,计算每个目标节点从其余节点到该节点的MFPT,以基于互信息度量节点影响的偏好随机游走算法(mutual information random walk,MIRW)为例,把MFPT信息嵌入到跳转概率定义中并拓展到加权网络链接预测场景。在生成的仿真网络数据和真实网络中的实证结果表明,该文算法能够提升基准随机游走算法的预测性能,并具备很好的扩展性。
