基于链接权重化的链接预测研究

链接预测是最近复杂网络领域中一个新兴的、具有重要理论与应用价值的研究方向。通常，真实的复杂网络具有体系巨大且链接稀疏的特点，这就要求所设计链接预测算法具有低的计算复杂度与高的预测精度。目前，基于局部结构信息的链接预测算法具有低的计算复杂度，但预测精度仍然有限，甚至对于某些网络预测精度很低。因此，在确保低的计算复杂度的同时，寻找能够有效提升预测精度的途径或者探索高精度预测算法是目前链接预测研究的一个重要方面。本项目拟将链接权重化思想引入到链接预测中，提出基于局部结构的链接权重化方案，将无权网络权重化，或者将加权网络重新权重化，然后利用加权链接预测算法实现未知链接的高精度预测。

本研究将链接权重化的思想引入到复杂网络的链接预测中，提出了一种基于局域结构信息的链接权重化方案。利用这种权重化方案，我们将无权网络权重化，或者将加权网络重新权重化，然后利用加权链接预测算法去实现未知链接的预测。研究结果表明：1）链接预测精度相对于没有经过权重化处理时的链接预测精度有较大的提升；2）链接权重方案在一定程度上提高了链接预测算法的鲁棒性。此外，受益于对链接权重化方案的研究，我们发展了一类新的优先吸引相似度指数，发现新的相似度指数的预测精度显著地高于传统的度乘积相似度指数的预测精度。