基于二分网络不对称性的链路预测和错边识别研究

Link prediction and link elimination has been one of the research hotspots in complex networks. Based on the bipartite structure presenting in some social, biological and information system, and existing differences between bipartite networks and monopartite networks, our project chooses bipartite networks as the research platform, to study the link prediction and link elimination on it. Contents are as the following: designing the algorithms of link prediction and link elimination for bipartite networks; coupling the asymmetric similarity of two different kinds of nodes on bipartite networks; the influence of network structure to algorithms and the impact of algorithms to network function; based on link prediction to discuss the evolution model of bipartite networks, etc. We believe that this project drives a big innovation and development to the study of bipartite network, link prediction and link elimination. And also has significant practical application value on various kinds of real systems.

链路预测和错边识别是当前复杂网络研究的热点和前沿问题之一。本项目拟开展二分网络上链路预测和错边识别相关问题的研究，这是由于一些社会、生物、信息等实际系统自然地呈现出二分结构这一特性，且二分网络在网络结构和统计性质上有别于一般的单顶点网络。本项目将以二分网络作为研究平台，研究内容包括：二分网络上链路预测和错边识别算法的设计；二分网络中异类节点间不对称相似度耦合；网络结构对算法的影响和算法对网络功能的影响；基于链路预测的二分网络演化模型探究等。研究结果无论是对二分网络研究，还是链路预测和错边识别问题的理论研究内容都是一次创新和推动，同时还会在各种实际系统中有重要的实际应用价值。

本项目开展了二分网络上链路预测和错边识别相关问题的研究和讨论，主要内容包含以下三个方面：1、首次提出了链路预测算法鲁棒性定义，并设计了量化评价指标R来衡量现有链路预测算法的鲁棒性；2、利用链路预测算法，完成网络功能上的重构，讨论算法对网络功能性的影响；3、对带有社团化的二分网络，提出改进算法，提高预测和推荐的准确性与新颖性。上述工作对推动二分网络、链路预测和错边识别在各自研究领域内容上的发展，为实际系统中的相关问题提供有指导意义的帮助。