[发明专利]一种有向网络链路预测方法

说明书

本发明提供了一种有向网络链路预测方法，确定有向网络的节点集合和连边集合；根据所述节点集合和连边集合，构建有向网络的有向图谱；根据所述有向图谱，确定有向网络中的可选链路；分别计算每条可选链路的拓扑连通度；根据所述拓扑连通度，进行可选链路的降序排序；根据所述降序排序，选取最大拓扑连通度值的可选链路为所述有向网络的优选链路。本发明的有益效果在于：相对于现有技术本发明的预测是基于集合后的有向图谱，在进行网络预测的前期，已经确定了所有的网络链路的可选选择。而通过拓扑连通度来计算出在这个有向图谱中那个拓扑连通度的值比较大，而通过这个拓扑连通度的值确定对应的优选链路。

技术领域

本发明涉及网络链接技术领域，特别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。有向网络属于复杂网络，网络中的元素和个体用作节点来表示，网络中两节点之间的边表示系统之间的关系。有向网络中的链路预测是为了通过已经明确的网络节点和网络结构，判断网络中还没有交接关系的两个节点产生交界关系，产生链路的可能性，再复杂网络中，这时一种动态的演化机制，因此对于其的预测的作用来说，其体现着能不能快速的判断两个节点之间的接近程度，从而控制网络实现有向交互。

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。

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，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，缺少链路的选择方法，虽然现有技术中中提出过通过有向网络的相对度实现链路预测，但是，其预测方式因为其存在大量的相对度计算，在技术实施时，只能应用于有限的计算技术领域，而且能够观察到的只是大量的计算过程，计算过程需要特别的缜密和复杂，而且无法由人去参与，只是计算结果显示的判断，因此，需要预先确定有向网络的相对度指标，这对于无法确定相对度指标的情况下，不能进行网络预测，技术方案属于一种特定场景的有向网络预测方法，不适合所有场景。

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，通过网络的有向图谱，对有向网络进行量化描述，判读你可选链路，最后基于拓扑连通度实现链路优选。

一种有向网络链路预测方法，包括：

确定有向网络的节点集合和连边集合；

根据所述节点集合和连边集合，构建有向网络的有向图谱；

根据所述有向图谱，确定有向网络中的可选链路；

分别计算每条可选链路的拓扑连通度；

根据所述拓扑连通度，进行可选链路的降序排序；

根据所述降序排序，选取最大拓扑连通度值的可选链路为所述有向网络的优选链路。

作为本发明的一种实施例，所述确定有向网络的节点结合和连边集合，包括：

获取有向网络的链路数据；

根据所述链路数据，确定链路数据中的链路节点；

将所述链路节点进行节点标记和方向标记，确定节点标记参数和方向标记参数；

根据所述节点标记参数，确定有向网络的节点集合；

根据所述方向标记参数，计算节点的相似性；

根据所述相似性，进行节点连边，生成有向链路，并对每一条有向链路进行性统计，构成连边集合。

作为本发明的一种实施例，所述计算节点相似性包括如下方式：

基于Bifan的频率预测法；