[发明专利]一种面向复杂网络的时序链路预测方法

摘要

本发明公开了一种面向复杂网络的时序链路预测方法，该方法主要针对社交、邮件、科研等节点之间有交互行为的网络，利用节点之间的交互发生的时间以及频次预测将来可能发生的交互行为。通过网络的演化信息，进行较高精度的链路预测，并基于整体同步并行计算模型设计本发明的核心步骤。本发明预测方法具有很好的普适性，可以适用于多种社会网络中的时序链路预测；而且本发明预测方法具有良好的可扩展性，可以适用于分布式环境中的时序链路预测。

主权项

一种面向复杂网络的时序链路预测方法，其特征在于，包括如下步骤：步骤1，对网络中所有出现过的节点进行编号，并将编号作为节点自身的id，每个节点的编号唯一；步骤2，获取预测时刻过去一段时间内，网络中所有节点之间的交互行为以及每次交互行为发生的时间；步骤3，将步骤2所述过去一段时间划分为多个时间片，并将每个交互行为划分到对应的时间片中，每个交互行为生成一个链路，链路的端点分别为交互的两个节点，且链路为无向边；步骤4，统计每个时间片内相同链路的出现次数，作为该链路的权重，利用每个时间片内所有带权重的链路形成一个对应于该时间片的带权网络，最终得到带权网络序列；步骤5，对带权网络序列进行压缩，压缩过程为：从带权网络序列中取出所有相同链路以及链路的权重信息，根据设定的时序影响系数δ计算压缩后链路的时序权重，计算公式为：wx,y=Σi=1t-1(Ci+1-Ci)δt-i+Ct]]>其中，wx,y表示链路(x,y)压缩后的权重，Ci,i＝1,2,…,t表示第i个时间片中链路(x,y)的权重；得到带有时序权重的链路的集合，并将时序权重小于0的链路过滤掉，进入步骤6；步骤6，将带有时序权重的链路的集合构造成带权时序网络，初始化带权时序网络中的每个节点，在每个节点上生成一个“标签”，标签为一个键值对，该键值对以当前所在节点的id为键，以1为值；步骤7，每个节点将自身的初始化标签传播给其邻居节点，传播过程中利用标签经过的连边的权重与标签中值的乘积对标签中的值进行更新，传播完成后，每个节点将接收到的所有标签放到一个集合中，用该集合替换原来的初始化标签并保存；步骤8，每个节点将经步骤7传播后接收到的标签集合再次向邻居节点传播，传播过程中利用经过的连边的权重与标签中值的乘积的α次方对标签中的值进行更新，α为修正系数，传播完成后，每个节点将接收到的所有标签放到一个集合中，并将该集合合并到步骤7保存的集合中；步骤9，对每个节点中的标签按“键”聚合“值”，聚合后的值就是其所在节点和其对应的键代表的节点的链路评分；步骤10，对所有的链路评分进行排序，将排名前m的链路作为预测链路，m为设定值。