差分化节点特征对复杂网络链接预测的分类性能分析

来源：计算机工程与科学杂志2015年第1期北京时间：

作者：伍杰华1，2，朱岸青1，3 ，蔡雪莲1，张小兰1

单位：1.广东工贸职业技术学院计算机工程系,广东 广州 510510;2.华南理工大学信息科学与技术学院,广东 广州 510641;3.暨南大学信息科学与技术学院,广东 广州 510632

摘要：链接预测属于复杂网络分析的研究分支，它根据网络历史结构信息预测未来节点间会产生链接的可能性，从而挖掘网络的传播和演化方式。通过引入差分化节点的贡献权重并结合经典的节点和共邻节点网络拓扑结构特征，分别应用七类有监督学习分类模型对社交、生物、交通等不同领域的八个真实复杂网络数据集进行实验，并采用Precision和ROC曲线对实验结果进行分析与评价。实验表明，引入基于差分化节点的贡献特征能够在深入挖掘网络结构信息的基础上比其余特征有更优的预测精确度，同时差异化的分类模型和特征选择对链接预测性能有相异的影响。

关键词：链接预测,复杂网络,特征选择,分类, 共邻节点,

基金资助：国家自然科学基金资助项目（61003045）；广东省教育部产学研结合项目（2012B091100043）