文献详情
一种大规模网络中基于节点结构特征映射的链接预测方法
外文标题：A Link Prediction Method for Large-Scale Networks
文献类型：期刊
作者：李志宇^[1]梁循^[2]周小平^[3]张海燕^[4]马跃峰^[5]
机构：[1]中国人民大学信息学院计算机系
[2]中国人民大学信息学院计算机系
[3]中国人民大学信息学院计算机系
[4]中国人民大学信息学院计算机系
[5]中国人民大学信息学院计算机系

通讯作者：Liang, Xun(xliang@ruc.edu.cn)
年：2016
期刊名称：计算机学报
卷：39
期：10
页码范围：1947-1964
增刊：正刊
收录情况：EI(20164402965513)中文核心期刊要目总览中国科技核心期刊CSCD(CSCD:5819790)
所属部门：信息学院
语言：中文
ISSN：0254-4164
链接地址：http://d.g.wanfangdata.com.cn/Periodical_jsjxb201610002.aspx
DOI：10.11897/SP.J.1016.2016.01947
基金：国家自然科学基金; 北京市自然科学基金; 中国人民大学科学研究基金; 中国人民大学2015年度拔尖创新人才培育资助计划资助．
关键词：链接预测;大规模网络;节点特征向量;连续性表达;神经网络;机器学习
摘要：网络链接预测能够获取网络中丢失链接的重要信息或进行网络的动态演变分析．现有的基于节点相似性的网络链接预测方法往往针对简单的一（多）阶邻居信息或特定类型的小型网络，设计较为复杂的计算方法，其扩展性和大规模网络中的可计算性都受到了严峻的挑战．文中基于深度学习在神经网络语言模型中应用的启发，提出了一个 LsNet2Vec（Large-scale Network to Vector）模型．通过结合随机游走的网络数据集序列化方法，进行大规模的无监督机器学习，从而将网络中节点的结构特征信息映射到一个连续的、固定维度的实数向量．然后，使用学习到的节点结构特征向量，就可以迅速计算大规模网络中任意节点之间的相似度，以此来进行网络中的链接预测．通过在16个大规模真实数据集上和目前的多个基准的最优预测算法对比发现，LsNet2Vec 模型所得到的预测总体效果是最优的：在保证了大规模网络中链接预测计算可行性的同时，于多个数据集上相对已有方法呈现出较大的 AUC 值提升，最高达8．9％．
作者其他论文



基于R-C模型的微博用户社区发现?.周小平;梁循;张海燕.软件学报.2014,2808-2823.
马氏距离多核支持向量机学习模型.张凯军;梁循.计算机工程.2014,40(6),219-224.
基于移动互联网日志的搜索引擎用户行为研究.万飞;赵溪;梁循,等.中文信息学报.2014,28(2),144-150.
一种改进的显性多核支持向量机.张凯军;梁循.自动化学报.2014,2288-2294.
基于关键词提取和基尼系数的微博用户分类方法.施晓菁;梁循;张海燕.2013.