[发明专利]一种基于局部相似性的链路预测方法

权利要求书

1.一种基于局部相似性的链路预测方法，其特征在于，具体步骤如下：

S1.获取原始种群数据并构建初始种群，并获取不存在连边的节点对列表；

S2.随机选取种群中10％的连边作为测试集正样本，剩余90％的连边作为训练集，从不存在连边的节点对列表中选取与测试集正样本等大的连边集合作为测试集负样本；

S3.采用InfoMap算法获得种群个体对应的社团划分；

S4.根据社团划分结果获取社团内连边及社团外连边的节点对列表；

S5.从网络中的第一节点对开始，根据节点对的共同邻居数量，依次计算每对节点的共同邻居相似性指标CN，将所有不存在连边按照CN值降序排列，则排在前L条的连边最有可能存在链接；

S6.从网络中的第一节点对开始，根据节点对位于同一个社团的共同邻居数量，依次计算每对节点的CCN1值，将所有不存在连边按照CCN1值降序排列，则排在前L条的连边最有可能存在链接；

S7.从网络中的第一节点对开始，根据节点对位于同一个社团的邻居节点数量，依次计算每对节点的CCN2值，将所有不存在连边按照CCN2值降序排列，则排在前L条的连边最有可能存在链接。

2.根据权利要求1所述一种基于局部相似性的链路预测方法，其特征在于，共同邻居相似性指标CN的计算方法为：针对无向无权网络G，用Γ(a)表示节点a的邻居，Γ(b)表示节点b的邻居，则：

CN(a,b)＝|Γ(a)∩Γ(b)|

节点a和节点b的相似性指标等于节点a的邻居节点与节点b的邻居节点重叠数量，也就是节点a和节点b的共同邻居数量。

3.根据权利要求2所述一种基于局部相似性的链路预测方法，其特征在于，CCN1值的计算方法为：

公式中C(i)表示节点i所属社团，C(a)表示节点a所属社团，C(b)表示节点b所属社团。

4.根据权利要求2所述一种基于局部相似性的链路预测方法，其特征在于，CCN2值的计算方法为：

公式中C(i)表示节点i所属社团，C(j)表示节点j所属社团。