[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

说明书

本发明公开了一种基于局部朴素贝叶斯的标签角色链路预测算法，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。本发明实现了既在LNB模型的基础上引入了标签，又在TA模型的基础上加入角色函数、共同邻居、具体标签相似，结合了两个模型算法的优点，提高了算法的准确性，在对复杂网络的研究和其他领域的应用方面都具有重要意义。

技术领域

本发明属于链路预测的技术领域，具体涉及一种基于局部朴素贝叶斯的标签角色链路预测算法。

背景技术

随着网络应用的普及，互联网作为一种更加便捷的消费途径被广大网民采用，链路预测问题因其重大的实际应用价值，受到不同领域拥有不同背景的科学家关注。在生物领域的研究中，例如蛋白质相互作用网络和新陈代谢网络，节点之间是否存在连接，是需要通过大量实验结果进行推断的。已知的实验结果仅仅揭示了巨大网络的冰山一角，以蛋白质相互作用网络为例，酵母菌蛋白质之间80％的相互作用仍然未知，而对于人类自身，知道的仅有可怜的0.3％。

由于揭示这类网络中隐而未现的链接需要耗费高额的实验成本，如果能够事先在已知网络结构的基础上设计出精确的链路预测算法，再利用预测的结果指导试验，就有可能提高实验的成功率从而降低试验成本，并加快揭开过类网络真实面目的步伐。

链路预测技术可应用于任何可以将实体及其间关系抽象成网络形式的系统中，如在线社交网络、电子商务网站等，从而产生可观的商业价值。近几年在线社交网络发展非常迅速，链路预测可以基于当前的网络结构去预测哪些现在尚未结交的用户“应该是朋友”，并将此结果作为“朋友推荐”发送给用户。如果预测足够准确，显然有助于提高相关网站在用户心目中的地位，从而提高用户对该网站的忠诚度。

自然界中存在的大量复杂系统都可以通过形形色色的网络加以描述。一个典型的网络是由许多节点与连接两个节点之间的一些边组成的，其中节点用来代表真实系统中不同的个体，而边则用来表示个体间的关系，往往是如果两个节点之间具有某种特定的关系则连成一条边，反之则不连边。网络中的链路预测是指如何通过已知的网络节点以及网络结构等信息，预测网络中尚未产生连边的两个节点之间产生连接的可能性。这种预测既包含了对未知链接(网络中实际存在但尚未被我们探测到的链路)的预测，也包含了对未来链接(网络中目前不存在，但应该存在或者未来很可能存在的链路)的预测。

而现有LNB模型中的角色函数将共同邻居的角色进行区分，但只利用了节点的结构信息，没有考虑标签的作用。

TA模型引入了标签系统和熵，把邻居节点的标签也考虑进来，并用熵量化了标签系统的同质性，但没有考虑标签的角色性。

参考文献：

[1]Z.Liu，Q.-M.Zhang，L.Lü，T.Zhou，Link prediction in complex networks：alocal naive Bayes model，Europhys.Lett.96(4)(2011)48007.

[2]Wang，J.，Q.Zhang，and T.Zhou，Tag-aware link prediction algorithmincomplex networks.Physica A-statistical Mechanics and Its Applications，2019.523：p.105-111.

发明内容

本发明的目的在于针对现有技术中的上述不足，提供一种基于局部朴素贝叶斯的标签角色链路预测算法，以解决或改善上述的问题。

为达到上述目的，本发明采取的技术方案是：

一种基于局部朴素贝叶斯的标签角色链路预测算法，其包括：