[发明专利]一种基于贝叶斯估计和局部路径的链路预测方法

摘要

一种基于贝叶斯估计和局部路径的链路预测方法，建立网络模型，任取两个未直接连接的节点作为种子节点，分别计算它们之间存在和不存在连边的概率，根据二节点之间长度为2或3路径中间节点的度信息，分别计算二节点之间产生和不产生连边的概率，根据贝叶斯估计和局部路径，计算二节点之间长度为2和3路径的每一中间节点的似然值,相似性分数为所有中间节点似然值之和；遍历网络，用上述方法获取任意两个种子节点间相似性分数，将所有种子节点对按相似性分数降序排列，取前B个分数值对应节点对为预测连边。本发明根据贝叶斯估计，结合局部路径，区分两节点间局部路径中不同中间节点具有不同重要性，算法预测效果好。

主权项

一种基于贝叶斯估计和局部路径的链路预测方法，其特征在于：包括以下步骤：步骤一：建立网络模型G(V,E)，V代表网络中的节点集合，E代表网络中的连边集合，网络的节点总数记为N,用U表示网络中节点对的集合，|U|＝N(N‑1)/2表示网络中节点对的总数；步骤二：任意选取网络中的两个节点x和y作为种子节点，计算它们之间存在直接连边的可能性：P(A1)=|E||U|]]>其中，|E|表示网络中实际存在的连边总数，A1表示x和y两个节点之间存在直接连边；步骤三：计算网络中任意两个节点x和y之间不存在直接连边的概率：P(A0)=|U|-|E||U|]]>其中，A0表示x和y两个节点之间不存在直接连边；步骤四：根据节点x和y之间长度为2或者3的路径的一个中间节点Vw的度信息，计算节点x和y之间产生连边的概率：P(A1|Vw)＝Cw其中，Cw＝2Ew/kw(kw‑1),kw表示节点Vw的度数，Ew表示节点Vw的kw个邻居节点之间实际存在的边数；步骤五：根据节点x和y之间长度为2或者3的路径的一个中间节点Vw的度信息，计算节点x和y之间不产生连边的概率：P(A0|Vw)＝1‑Cw；步骤六：根据贝叶斯估计的方法，计算节点x和y之间长度为2和3的路径的任意一个中间节点Vw的似然值步骤七：对节点x和y之间长度为2和3的路径的每一个中间节点，重复步骤四至步骤六，计算每一个中间节点的似然值步骤八：计算节点x和y的相似性分数：其中表示节点x和y之间长度为2的所有路径的一个中间节点，P表示该类型中间节点的数量；表示节点x和y之间长度为3的所有路径中的一个中间节点，Q表示该类型中间节点的数量，λ表示可调系数，λ∈[0,1)；步骤九：遍历整个网络，对任意两个未连接节点，重复步骤二至步骤八，计算所有未连接节点对之间的相似性分数，并按照相似性分数值从高到低排列顺序，取前B个相似性分数值对应的节点对为预测连边，其中，B为设定的一个正整数，B≤D，D为网络中所有未连接节点对的数量。