移动社交网络中基于共同邻居网络中心度的链路预测方法

来源 :计算机应用研究 | 被引量 : 0次 | 上传用户:rainbow0938
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
移动社交网络中的链路预测是指通过已知的网络节点以及移动社交网络结构等信息预测网络中尚未产生连边的两个节点之间产生链接的可能性。基于网络中心度的思想,提出一种适用于移动社交网络的链路预测算法。该算法利用节点网络中心度和共同邻居数来计算两个节点的相似性指标,两个节点的共同邻居数越多、共同邻居的网络中心度越高,则两个节点的相似度越高。另外,由于移动社交网络的动态性特征,还将考虑时间因素对预测结果的影响。将该方法与其他四种常用的链路预测方法进行比较,实验结果显示所提方法要优于其他方法。
其他文献
为了进一步改善目标用户的系统复杂度和训练效率,提出了一种改进的预补偿反向训练方法。发射方通过反向训练获得信道特性参数,利用该参数设计补偿系数,并使用该系数对发送信
针对现阶段模式识别与人工智能领域形式化概念分析理论的多样性、复杂性、分类不均衡等各种不足点,对概念格结构以及其代数系统进行了深入分析与比较。依次对认知信息学代数系统、N代数系统以及W代数系统进行了阐述与剖析,对比了各个不同形态概念代数的系统思想与方法特征,并对N代数系统进行了广义概念代数理论形式化证明,为不同领域内概念表达、应用与分析模型的有效构建提供了强有力的知识支撑。