基于網絡表示學習與隨機游走的鏈路預測算法
大?。?/span>0.93 MB 人氣： 2017-11-29 需要積分：2
現有的基于隨機游走鏈路預測指標在無權網絡上的轉移過程存在較強隨機性，沒有考慮在網絡結構上不同鄰居節點間的相似性對轉移概率的作用。針對此問題，提出一種基于網絡表示學習與隨機游走的鏈路預測算法。首先，通過基于深度學習的網絡表示學習算法-DeepWalk學習網絡節點的潛在結構特征，將網絡中的各節點表征到低維向量空間；然后，在重啟隨機游走（ RWR）和局部隨機游走（LRW）算法的隨機游走過程中融合各鄰居節點在向量空間上的相似性，重新定義出鄰居節點間的轉移概率；最后，在5個真實數據集上進行大量實驗驗證。實驗結果表明：相比8種具有代表性的基于網絡結構的鏈路預測基準算法，所提算法鏈路預測結果的AUC值均有提升，最高達3. 34%。
非常好我支持^.^
(0) 0%
不好我反對
(0) 0%