[发明专利]一种基于局部相似性的链路预测方法

摘要

本发明公开了一种基于局部相似性的链路预测方法，具体步骤如下：S1.获取原始种群数据并构建初始种群；S2.从不存在连边的节点对列表中选取与测试集正样本等大的连边集合作为测试集负样本；S3.采用InfoMap算法获得种群个体对应的社团划分；S4.根据社团划分结果获取社团内连边及社团外连边的节点对列表；S5.从网络中的第一节点对开始，根据节点对的共同邻居数量，依次计算每对节点的共同邻居相似性指标CN，将所有不存在连边按照CN值降序排列，则排在前L条的连边最有可能存在链接；本申请通过加入社团结构信息的相似性指标，使预测准确性得到大大提升。

主权项

1.一种基于局部相似性的链路预测方法，其特征在于，具体步骤如下：S1.获取原始种群数据并构建初始种群，并获取不存在连边的节点对列表；S2.随机选取种群中10％的连边作为测试集正样本，剩余90％的连边作为训练集，从不存在连边的节点对列表中选取与测试集正样本等大的连边集合作为测试集负样本；S3.采用InfoMap算法获得种群个体对应的社团划分；S4.根据社团划分结果获取社团内连边及社团外连边的节点对列表；S5.从网络中的第一节点对开始，根据节点对的共同邻居数量，依次计算每对节点的共同邻居相似性指标CN，将所有不存在连边按照CN值降序排列，则排在前L条的连边最有可能存在链接；S6.从网络中的第一节点对开始，根据节点对位于同一个社团的共同邻居数量，依次计算每对节点的CCN1值，将所有不存在连边按照CCN1值降序排列，则排在前L条的连边最有可能存在链接；S7.从网络中的第一节点对开始，根据节点对位于同一个社团的邻居节点数量，依次计算每对节点的CCN2值，将所有不存在连边按照CCN2值降序排列，则排在前L条的连边最有可能存在链接。