[发明专利]一种有向网络链路预测方法

说明书

本发明涉及一种有向网络链路预测方法，所述方法包括以下步骤：步骤S1、计算所述有向网络的相对度量指标总量LB；步骤S2、在所述有向网络中增加一条待选链路，并计算增加所述待选链路后所述有向网络的相对度量指标总量LA；步骤S3、计算所述有向网络的相对度量指标总量之差ΔL＝LB‑LA；步骤S4、重复步骤S2以及步骤S3，得到多条待选链路对应的相对度量指标总量之差，并将所述相对度量指标总量之差最大值对应的待选链路作为所述有向网络生成的优选链路；本发明提供一种有向网络链路预测方法，具有计算简单、时间复杂度低、预测效果好的技术效果。

技术领域

本发明涉及有向网络链路预测技术领域，尤其涉及一种有向网络链路预测方法。

背景技术

生活中有向网络普遍存在，例如WWW网络，食物链网络，学术合作网络和微博等社交网络。早期的有向网络研究工作的研究对象多为社交网络、生物化学网络、生态学网络、工程网络等，旨在提出有向网络底层结构的生成机制和设计原则。例如Network Motifs网络图式模型，通过局部的网络图式来刻画网络的内部链路间典型的模式，在19个真实有向网络中抽象出13种由三个节点构成的链路子图模式，即13种网络图式。值得注意的是，相比于无向网络，有向网络具有更多更复杂的局部结构类型。以两个节点A和B构成的模式为例，局部结构类型从无向配置的1种，即A-B，增加到有向配置的3种，即A→B、A←B以及A-B。在社交网络的应用中，有向网络的链路生成模式比无向网络得到更多的关注和研究，尤其是微博网络，网络中的关注关系是不对称的。现有技术较少考虑有向网络的生成机理，尤其是应用于链路预测等链路挖掘问题，尚缺少有效的底层机理理解和生成模型建立方法。

发明内容

本发明所要解决的技术问题是针对上述现有技术的不足，提供一种有向网络链路预测方法，通过网络图对有向网络进行量化描述，并计算增加待选链路前后有向网络的相对度量指标总量之差，对待选链路增加对有向网络的影响进行量化，以便预测有向网络的链路走向，计算简单，时间复杂度低，预测效果好。

本发明解决上述技术问题的技术方案如下：一种有向网络链路预测方法，所述方法包括以下步骤：

步骤S1、计算所述有向网络的相对度量指标总量LB；

步骤S2、在所述有向网络中增加一条待选链路，并计算增加所述待选链路后所述有向网络的相对度量指标总量LA；

步骤S3、计算所述有向网络的相对度量指标总量之差ΔL＝LB-LA；

步骤S4、重复步骤S2以及步骤S3，得到每一条待选链路所对应的相对度量指标总量之差，并将所述相对度量指标总量之差最大值对应的待选链路作为所述有向网络生成的优选链路；

其中，定义所述有向网络的网络图G＝(N,E)，N为所述有向网络的节点集合，E为所述有向网络的链路集合；所述网络图G＝(N,E)的任意两个网络子图G₁＝(N₁,E₁)和G₂＝(N₂,E₂)，其中，N＝N₁UN₂，E＝E₁UE₂，两个所述网络子图满足N₁和N₂相交。

本发明的有益效果是：计算增加待选链路前后有向网络的相对度量指标总量之差，对待选链路对有向网络的影响进行量化，并比较不同待选链路增加前后的相对度量指标总量之差，相对度量指标总量之差最大的即为优选链路，实现有向网络的链路量化以及预测。本发明提出的有向网络链路预测方法，对有向网络进行量化计算，进而对待选链路增加到有向网络后对有向网络造成的影响进行量化计算，使得待选链路对有向网络的影响可以进行比较，进而方便的选出优选链路，具有计算简单，时间复杂度低，预测效果好的技术效果。

在上述技术方案的基础上，本发明还可以做如下改进：