[发明专利]一种基于时间序列的复杂网络链接预测方法

说明书

本发明公开了一种基于时间序列的复杂网络链接预测方法，包括如下步骤：步骤一、使用静态方法对任意两个节点的链接概率进行评分；步骤二、使用时间序列的方法，获取最近不相连的任意两节点的链接出现概率；步骤三、对于使用静态方法计算出的链接出现概率序列p₁，p₂，…p_k，计算其权值：W(i)＝α(p_i‑p_i‑1)+(1‑α)W(i‑1)i＝2…k；W(1)＝1，得到最终的链接出现的概率p_k＝W(k)p_k+1；步骤四、对步骤三中计算得到的结果进行排序，输出预测的链接。本发明提供的基于时间序列的复杂网络链接预测方法，通过加权算法，使预测结果更为精确。

技术领域

本发明属于复杂网络链接预测技术领域，特别涉及一种基于时间序列的复杂网络链接预测方法。

背景技术

复杂网络模型是对各种真实存在网络的抽象，比如社交网络、科研合作网络、生物代谢网络等。链接预测，是根据观察到的网络中已有的链接和节点属性信息，来估计两个节点间链接存在的可能性，包括当前存在但是观察不到的链接，以及将来可能出现的链接。作为链接挖掘分析中最重要的问题之一，链接预测有着多种多样的应用：它可以用于推荐系统，帮助人们找到新朋友或潜在的合作者，在网上购物中提供感兴趣的商品；也能用来推断完整的网络结构，更好地理解网络演化；在生物学领域，还能用来发现蛋白质之间的交互情况。

现有的链接预测可以分为两类：静态网络链接预测以及基于时间序列的网络连接预测。

静态方法主要采用网络拓扑信息以及节点属性信息进行链接预测。

时间序列预测方法主要采用不同时间点的网络变化信息对链接进行预测。预测的网络变化需要满足线性变化的条件。

两种方法对任意两个不直接相连节点之间存在链接的概率进行评分，最后通过评分阈值或整体预测比例进行确定存在链接的节点对。然而这种方法对以下两种情况不能很好的预测：第一种是两个节点之间距离较近并且节点较为相似但是网络比较稳定的情况(即：预测出现不应出现的链接)；第二种是两节点之间连接概率随着时间点的推移不断增大但是当前结果并没有达到阈值的情况(即：不能预测应该出现的链接)。

发明内容

本发明的目的是解决现有网络链接预测方法中预测出现不应出现的链接和不能预测应该出现的链接的缺陷，提供了一种基于时间序列的复杂网络链接预测方法。

本发明提供的技术方案为：

一种基于时间序列的复杂网络链接预测方法，包括如下步骤：

步骤一、使用静态方法对任意两个节点的链接概率进行评分；

步骤二、使用时间序列的方法，获取最近不相连的任意两节点的链接出现概率；

步骤三、对于使用静态方法计算出的链接出现概率序列p₁，p₂，…p_k，计算其权值：

W(i)＝α(p_i-p_i-1)+(1-α)W(i-1)i＝2…k

W(1)＝1

其中α为调整系数，k为网络快照个数；

得到最终的链接出现的概率P＝W(k)p_k+1；

步骤四、对步骤三中计算得到的结果进行排序，输出预测的链接。

优选的是，步骤一中，任取节点A和节点B，节点A到节点B的链接概率为

其中为从节点A到节点B的第i条无环路径，为这条路径的长度。