[发明专利]一种基于节点相似性的无向网络连边权值预测方法

摘要

一种基于节点相似性的无向网络连边权值预测方法，包括以下步骤：1)根据已有数据集，包括节点与连边权值，建立无向网络图；2)分别计算1)中网络图的下列三类相似性指标：局部相似性指标、全局相似性指标和半局部相似性指标；3)根据2)中计算所得的三类相似性指标，利用多元线性回归模型，预测测试集中连边权值，然后用十折交叉验证法，检验模型平均性能，包括皮尔森系数与均方根值。本发明利用节点相似性，采用多元线性回归模型预测缺失的连边权值，模型简单，预测结果较好。

主权项

一种基于节点相似性的无向网络连边权值预测方法，其特征在于：包括以下步骤：S1：利用已有的无向网络结构数据集，其中包含网络节点与节点之间的连边权值，构建无向网络图G＝(V，E)；S2：根据图G＝(V，E)，利用链路预测中的节点相似性理论，分别计算出如下三类特征：局部相似性指标、全局相似性指标和半局部相似性指标，其中，局部相似性指标包括共同邻居CN、Salton指标、Jaccard指标、Sφrensen指标、大度节点有利指标HPI、大度节点不利指标HDI、LHN‑I指标、优先链接指标PA、Adamic‑Adar指标AA和资源分配指标RA；全局相似性指标包括Katz指标、LHN‑II指标、平均通勤时间ACT、基于随机游走的余弦相似性cos+、带重启的随机游走RWR、SimRank指标SimR和矩阵森林指标MFI；半局部相似性指标包括局部路径指标LP、局部随机游走指标LRW和叠加的局部随机游走指标SRW；S3：根据十折交叉验证方法，将数据集中的网络连边权值平均划分为十份，其中的九份作为训练集，剩下的一份的作为测试集；根据S2中计算出的特征，用R语言进行多元线性回归分析，最后根据拟合的结果与原始数据得到如下评价指标：皮尔森相关系数和均方根值。