[发明专利]考虑节点局域链接紧密度的链路预测方法和装置

说明书

本申请涉及一种考虑节点局域链接紧密度的链路预测方法和装置。所述方法包括：获取包含第一用户和第二用户的社交网络；根据第一用户的第一邻域节点和第二用户的第二邻域节点的交集，确定共同邻居节点；根据第一邻域节点与共同邻居节点中每个节点对应的邻居节点集合的交集，以及第二邻域节点与共同邻居节点中每个节点对应的邻居节点集合的交集，取并集得到局域链接节点；根据共同邻居节点的度和局域链接节点的度，计算得到第一用户和第二用户的相似度。采用本方法能够减少计算数据量。

技术领域

本申请涉及计算机技术领域，特别是涉及一种考虑节点局域链接紧密度的链路预测方法和装置。

背景技术

在社交网络朋友推荐领域，链路预测可以根据用户当前的朋友圈链接关系结构来预测哪些尚未相识的用户“应该是朋友”，从而将预测结果推送给用户，如果一个网站推荐给用户的结果符合用户心中的期望，则可以有效提高用户对于该社交网站的粘性，从而为网站创造价值。

链路预测方法的关键在于如何量化网络中尚未产生连接的两个节点间的相似性。解决该问题可以从多个角度入手，其中最为简单有效的方法就是利用节点的属性信息来刻画节点间的相似性，如果两个人兴趣相似，年龄相仿，同一职业，就可以认为这两个人相似性很高。尽管通过节点的属性信息进行链路预测可以取得很好的效果，但由于信息的私密性，通常情况下要从在线系统中获取用户真实信息是十分困难的，甚至是完全不可行的。与节点属性信息相比，通过观察到的网络拓扑结构信息来定义节点间的相似性则更为可行。目前已有许多指标相继被提出，其中最简单直接的相似性指标是共同邻居指标CN（commonneighbors），CN指标认为如果两个节点间存在更多的共同邻居，则它们更有可能发生连接。对应到现实生活中的场景，如果两个陌生人存在多个共同的朋友，那么这两人结交的可能性就比较大。结合节点两端度的情况，在共同邻居的基础之上，又有多种相似性指标被提出。上述基于共同邻居的相似性指标计算复杂度低，但由于其利用的信息有限，在某些网络中预测精度并不理想。为进一步提高预测精度，多种基于路径的相似性指标被提出，Katz指标考虑了网络的所有路径并引入可调参数对高阶路径的影响进行调节，预测精度较高。Holme和Newman等基于一般等价思想提出了LHN-II指标，可看作是Katz指标的一种推广。此外还有平均通勤时间（Average Commute Time）等指标。尽管基于路径的指标通常情况下可以取得更好的预测精度，但由于其计算复杂度较高，因而在多数大规模复杂系统中并不适用。

发明内容

基于此，有必要针对上述技术问题，提供一种能够解决目前链路预测计算量大问题的考虑节点局域链接紧密度的链路预测方法和装置。

一种考虑节点局域链接紧密度的链路预测方法，所述方法包括：

获取包含第一用户和第二用户的社交网络；所述社交网络为无向无权网络；所述第一用户和第二用户均为社交网络中的节点；

根据第一用户的第一邻域节点和第二用户的第二邻域节点的交集，确定共同邻居节点；

根据第一邻域节点与所述共同邻居节点的交集，以及第二邻域节点与所述共同邻居节点的交集，取并集得到局域链接节点；

根据所述共同邻居节点的度和所述局域链接节点的度，计算得到第一用户和第二用户的相似度。

在其中一个实施例中，还包括：根据所述共同邻居节点的度和所述局域链接节点的度，计算得到第一用户和第二用户的相似度为：

其中，表示第一用户和第二用户的相似度，i表示第一用户对应的节点，j表示第二用户对应的节点，表示共同邻居节点，表示第一邻域节点，表示第二邻域节点，表示局域链接节点，表示所述共同邻居节点的度，表示所述局域链接节点的度。

一种考虑节点局域链接紧密度的链路预测装置，所述装置包括：