一种融合局部拓扑影响力的时序链路预测算法

朱宇航 刘树新 吉立新 何赞园 李英乐

(中国人民解放军战略支援部队信息工程大学信息技术研究所 郑州 450002)

1 引言

自然界中一切事物都是运动的，现实世界中的各种复杂网络也都是随着时间变化而不停演化的动态网络，如航空交通运输网络、生物网络、文献引用网络、电力网络、社交推荐网络、蛋白质网络等等，这些真实网络都可以抽象成为一个个由节点和连边组成的动态时序复杂网络。挖掘节点与节点之间、连边与连边之间的相互作用，分析动态网络的演化规律，预测网络的变化情况，对研究网络科学和复杂系统具有重要意义。链路预测作为研究复杂科学的重要技术之一，已成为近年来的研究热点问题[1,2]。

链路预测是挖掘网络数据之间潜在关系的一种重要方法，原理就是利用已知的网络节点属性、连边属性和拓扑结构等信息，预测网络中未连接节点之间产生连边的可能性[3]。基于“朋友的朋友很可能也是朋友”等规律，最常用的链路预测指标包括CN(Common Neighbors)，AA(Adamic-Adar)，RA(Resource Allocation)，PA(Preferential Attachment)，LP(Local Path)，Katz等[4]。近年来，许多学者对预测指标的优化开展了大量的研究工作，李治成等人[5]利用节点的拓扑稳定性对相似性指标进行了优化；王凯等人[6]对信息在传输路径上的有效性进行了刻画，优化了RA指标；刘树新等人[7]从资源传输匹配的角度对资源双向传输进行了准确量化。在静态网络链路预测的基础上，时序链路预测利用每一个时刻的静态预测指标，结合时间序列分析的方法，实现对动态时序网络的分析。……