[发明专利]一种基于局部朴素贝叶斯的标签角色链路预测算法

权利要求书

1.一种基于局部朴素贝叶斯的标签角色链路预测算法，其特征在于，包括：

S1、计算每个节点的标签系统；

S2、根据朴素贝叶斯的条件独立假设，计算两个节点之间每个共同邻居节点的角色值；

S3、计算节点标签系统中每种标签的比重值；

S4、将相同的标签在各自标签系统中对应标签的权重做一个累加，得到两节点各自关于标签的相似性权重；

S5、计算节点吸引度的值。

2.根据权利要求1所述的基于局部朴素贝叶斯的标签角色链路预测算法，其特征在于，所述步骤S1中计算每个节点的标签系统为：

其中，Γ(v_i)是节点v_i的邻居集合，节点j表示为v_j，T_j为节点v_j的标签集合。

3.根据权利要求1所述的基于局部朴素贝叶斯的标签角色链路预测算法，其特征在于，所述步骤S2根据朴素贝叶斯的条件独立假设，计算两个节点之间每个共同邻居节点的角色值R_w为：

其中，P(A₁|w)表示以节点v_w为共同邻居的节点对之间有链接的概率，P(A₀|w)表示以节点v_w为共同邻居的节点对之间没有链接的概率，N_Δw和N_∧w分别表示以节点v_w为共同邻居的节点对中相连接的节点对数量和不相连的节点对数量，显然N_Δw+N_∧w＝k_w(k_w-1)/2，其中，k_w为节点v_w的度，当节点v_w的集聚系数为零，即N_Δw＝0，v_w节点的角色函数R_w＝0，这意味着该节点的角色值为0，显然不合理的；为避免这种情况，将角色函数的分子和分母分别加1，得到：

4.根据权利要求1所述的基于局部朴素贝叶斯的标签角色链路预测算法，其特征在于，所述步骤S3计算节点标签系统中每种标签的比重值为：

其中，

V_i(t)为节点v_i标签系统中每类标签的比重值，如果t∈T_j，δ(t，T_j)＝1，否则，δ(t，T_j)＝0；如果v_j∈O_ij，j等于w，否则，β(w，O_ij)＝1。

5.根据权利要求1所述的基于局部朴素贝叶斯的标签角色链路预测算法，其特征在于，所述步骤S4中将相同的标签在各自标签系统中对应标签的权重做一个累加，得到两节点各自关于标签的相似性权重为：

其中，pi为vi与v_j标签系统的交集在v_i标签系统中对应标签权重的累加。

6.根据权利要求1所述的基于局部朴素贝叶斯的标签角色链路预测算法，其特征在于，所述步骤S5计算节点吸引度的值为：

其中，k_i为节点v_i的度，p_i为v_i与v_j标签系统的交集在v_i标签系统中对应标签权重的累加，k_j为节点v_j的度，p_j为v_i与v_j标签系统的交集在v_j标签系统中对应标签权重的累加。