论文研究一种集成局部加权聚类系数的链接预测算法.pdf

针对基于局部结构的加权链接预测算法仅仅利用了一级共邻节点的拓扑属性，无法反映共邻节点的邻居对潜在节点对的贡献以及度量共邻节点互连密集程度对预测结果的影响这一问题，从局部结构的密集层面来分析共邻节点对潜在节点对的影响，提出了一种集成加权聚类系数的相似度指标（WCCLP）。该指标能够有效地扩大局部共邻节点结构对预测性能的影响，同时也能轻易地拓展到加权局部朴素贝叶斯链接预测模型（WLNB）中。采用无监督学习的实验表明，WCCLP在多个真实数据集比现有的基准指标取得了更好的预测效果，拓展到WLNB的实验效果证明加权聚类系数的定义能够有效推广到其他模型当中。同时在有监督学习的链接预测场景中，由WCCLP构建的特征比现有的局部相似度算法构成的特征更具判别性。