CN105490858A - 一种网络结构的动态链路预测方法 - Google Patents

Abstract

本发明提供一种网络结构的动态链路预测方法，其包括以下步骤：步骤一，输入服务对象对应的网络结构；步骤二，对输入的网络结构进行杰卡德距离的转换，获得处理后的网络结构；步骤三，计算网络结构中两两节点之间的距离；步骤四，获取当前时刻下标记优先级的网络结构：步骤五，在下一时刻中重复执行步骤一至步骤四，获得下一时刻标记优先级的网络结构，且该下一时刻各链路的优先级顺延当前时刻的优先级，并按时间先后从高到低依次标记；步骤六，每一时刻标记优先级的网络结构均为一个网络结构的预测结果，供用户进行服务对象的分析处理。基于动态的网络拓扑结构，顾及复杂网络的动态演化机制且具有计算复杂度较低，适用于大规模网络的链路预测。

Description

一种网络结构的动态链路预测方法

技术领域

本发明涉及计算机应用领域，具体涉及一种网络结构的动态链路预测方法。

背景技术

网络系统在人类和自然界中普遍存在。随着科学技术的不断发展，人们对于网络系统的认知也有了更为深刻的理解，对于网络系统的了解也可以帮助我们进一步认知我们生存的世界。

链路预测是指如何通过已知的网络结构等信息预测网络中尚未产生链路的两个节点之间产生连接的可能性。链路预测的研究与网络的结构和演化联系非常紧密。目前链路预测是复杂网络研究领域中一个新兴的、具有重要理论与应用价值的研究方向。

在理论方面，链路预测可以用来理解、揭示和比较复杂网络中的可能的演化机制，通过预测和真实网络的比较，就可以得到该模型对网络结构预测的准确性；链路预测在影响力分析、生物科学实验、商品推荐、信息传播、网络营销等领域有重要应用，如生物方面，为了避免盲目通过实验来检测蛋白质的作用，可以先通过链路预测来估计蛋白质的相互作用，从而指导实验，避免了大量实验和实验材料的浪费。

目前链路预测的方法主要分为两大类，一类是基于节点的相似度检测；另一类是基于路径相似度检测。现有的两大类链路预测方法主要基于静态的网络拓扑结构，不能顾及复杂网络的动态演化机制且具有较高的计算复杂度，不适用于大规模网络的链路预测。

发明内容

本发明提供一种网络结构的动态链路预测方法，其基于动态的网络拓扑结构，顾及复杂网络的动态演化机制且具有计算复杂度较低，适用于大规模网络的链路预测。

本发明的网络结构的动态链路预测方法，其包括以下步骤：

步骤一，输入服务对象对应的网络结构；

步骤二，对步骤一输入的网络结构进行杰卡德距离的转换，获得处理后的网络结构；

步骤三，利用d^(t+1)(u,v)＝d^(t)(u,v)+Δd(u,v)表示处理后的网络结构中任意两个节点u和v之间的距离；其中，d^(t+1)(u,v)表示t+1时刻u节点和v节点之间的距离；d^(t)(u,v)表示t时刻u节点和v节点之间的距离；Δd(u,v)表示t时刻到t+1时刻的时间段内u节点和v节点之间的距离变化；且：

A集合为v节点的邻居节点集合；B集合为u节点的邻居集合；deg(u)表示u节点的邻居节点个数，或称之为u节点的度；deg(v)表示v节点的邻居节点个数，或称之为v节点的度；中间量和分别表示为：

λ为网络结构的内聚系数；

步骤四，获取当前时刻下标记优先级的网络结构：

步骤41，根据步骤三的计算方法计算前一时刻处理后的网络结构中两两节点之间的距离；

步骤42，从前一时刻处理后的网络结构中选出两两节点之间距离为0的所有节点，对两两节点之间距离为0的每对节点均执行以下处理：

将该对节点命名为u节点和v节点，并判断u节点和v节点在步骤一中输入的网络结构中是否存在链路，如果不存在，则在步骤一中输入的网络结构中u节点和v节点之间加入链路；如果存在，则不做处理；然后标记该链路的优先级为最高级；

遍历前一时刻处理后的网络结构中v节点的邻居节点集合A，从邻居节点集合A中选出与u节点之间距离为0的邻居节点，并将该邻居节点命名为x节点，并判断u节点和x节点在步骤一中输入的网络结构中是否存在链路，如果不存在，则在步骤一中输入的网络结构中u节点和x节点之间加入链路；如果存在，则不做处理；然后标记该链路的优先级为次高级；

遍历前一时刻处理后的网络结构中u节点的邻居节点集合B，从邻居节点集合B中选出与v节点之间距离为0的邻居节点，并将该邻居节点命名为y节点，并判断v节点和y节点在步骤一中输入的网络结构中是否存在链路，如果不存在，则在步骤一中输入的网络结构中v节点和y节点之间加入链路；如果存在，则不做处理；然后标记该链路的优先级为次高级；

其中，初始时刻的网络结构根据经验设定；

步骤五，在下一时刻中，重复执行步骤一至步骤四，获得下一时刻标记优先级的网络结构，且该下一时刻各链路的优先级顺延当前时刻的优先级，并按时间先后从高到低依次标记；

步骤六，每一时刻标记优先级的网络结构均为一个网络结构的预测结果，用户依据优先级添加链路。。

本发明的有益效果是：

本发明提供的链路预测方法是从网络动态演化机制的角度预测链路，兼顾了节点间相互作用和网络的演化趋势，具有较高的预测精度和可解释性。该方法可以预测链路产生的顺序，按照优先级顺序添加链路。在添加过程中可以进行人工干预，可控性较强；此外，该方法能够动态模拟网络演化过程，计算复杂度低，适用于大规模复杂网络的分析。

附图说明

图1为本发明的实施例示意图。

具体实施方式

下面结合附图，具体说明本发明的实施方式。

本发明的网络结构的动态链路预测方法包括以下步骤：

步骤一，输入服务对象对应的网络结构。

步骤二，利用杰卡德距离(Jaccard)对初始状态的网络结构进行转换，获得处理后的网络结构。

步骤三，由于网络结构内节点之间的拓扑影响，处理后的网络结构中存在链路的两个节点之间存在相互吸引的作用力。利用d^(t+1)(u,v)＝d^(t)(u,v)+Δd(u,v)表示处理后的网络结构中任意两个节点之间的距离，d^(t+1)(u,v)表示t+1时刻，u节点和v节点之间的距离；d^(t)(u,v)表示t时刻，u节点和v节点之间的距离；Δd(u,v)表示t时刻到t+1时刻之间，u节点和v节点之间的距离变化。

两个节点之间的距离是不断变化的，d^(t+1)(u,v)＝d^(t)(u,v)+Δd^(t)(u,v)，Δd^(t)(u,v)是链路的周围节点对链路的距离影响，链路的周围节点即为链路的两端的节点的邻居节点。Δd^(t)(u,v)会造成节点间距离的缩短或伸长。不断迭代该过程，u节点和v节点之间的距离d(u,v)＝0会向0或1逼近，当d(u,v)＝0或1时，链路的距离不再变化。

链路的周围节点对链路的距离的影响有作用范围，在此引入一个表达节点之间的内聚系数λ来控制作用力的性质。当节点的距离过远，使得内聚值小于λ的值时，此时判断周围节点对链路的距离产生使其伸长的作用，当节点的距离很近，使得内聚值大于λ的值时，此时判断周围节点对链路的距离有使其缩短的作用。其中，λ是通过实验测试取得的最能够反应网络自身拓扑结构的值，不同网络的λ值不同。根据大量的测试，λ一般在(0.2-0.7)的范围内取值。

Δd(u,v)的求解如下公式所示：

其中，A集合为v节点的邻居节点集合；B集合为u节点的邻居集合。

deg(u)表示u节点的邻居节点个数，或称之为u节点的度。

deg(v)表示v节点的邻居节点个数，或称之为v节点的度。

中间量的求解如下公式所示：

链路产生的判定。链路产生的判定条件为d(u,v)＝0。

步骤四，当前时刻下，若u和v两个节点的距离变为0即d(u,x)＝0，则判断u和v两个节点在步骤一中输入的网络结构中是否存在链路，如果不存在，则在步骤一中输入的网络结构中u和v节点之间加入链路；如果存在，则不做处理；并标记该链路的优先级为E；

在当前时刻下：对于u节点，遍历v节点的邻居节点集合A，对u节点与v节点的邻居节点x距离为0的情况，即d(u,x)＝0，则判断u和x两个节点在步骤一中输入的网络结构中是否存在链路，如果不存在，则在步骤一中输入的网络结构中u和x节点之间加入链路；如果存在，则不做处理；并标记该链路的优先级为F；

对于v节点，遍历u节点的邻居节点集合B，判断是否存在该v节点与u节点的邻居节点y距离为0的情况，即d(v,y)＝0，则判断v和y两个节点在步骤一中输入的网络结构中是否存在链路，如果不存在，则在步骤一中输入的网络结构中v和y节点之间加入链路；如果存在，则不做处理；并标记该链路的优先级为F；

上述处理后获得当前时刻的网络结构，且该网络结构中优先级E>F；

步骤五，在下一时刻中，重复执行步骤一至步骤四，获得该时刻的网络结构中优先级G>H，其中，步骤一中输入的网络结构为上一时刻获得的网络结构，优先级E>F>G>H；

步骤六，每一时刻的网络结构均为一个预测结果，该预测结果中的链路按时间顺序的表示预测对象之间的作用力。

如图1中a所示为初始网络的模型，在经过调用杰卡德(Jaccard)距离公式后，得到节点之间的距离，重构网络模型如图1中b所示。此时的距离为初始距离即t₀时刻距离。根据公式可得到，E、F两点之间公共节点最多，受到的相互吸引力相比来说最大，所以下一时刻t₁中E和F点最先达到距离为0,即形成一个集合{E、F}(E、F两个节点重合)；之后的下一时刻t₂，由于B和C点之间的相互作用力更大，所以下一时刻形成集合{B、C}；继续进行距离求解，t₃时刻中d_EH＝0；d_FG＝0；d_CD＝0在理想状态下，认为当H点距离E、F点距离为0时，d_EH＝d_FH＝0。首先判断EH、FH和FG、EG在重构网络中是否有链路，如果没有链路，则认为不可能添加链路,如果有，则判断在初始网络中是否有链路，没有则进行添加。然后判断邻居节点G、H之间的重构网络中是否有链路，没有则代表着在网络中不可能出现链路。由此随时间推移进行网络演化，最后得到的网络链路预测结果如图1中c图所示。

动态网络链路可视化。在从初始时态到最终的稳态过程中，随着时间的变化，会不断的加入新的链路，在加入链路的时候，同时将链路打印到前台网络可视化模型部分，能够动态的观察网络链路加入的过程，便于分析。

同时，由于加入链路的过程是根据优先级顺序进行加入，因此优先级高的链路会进行突出显示，不同优先级的链路的显示也会有区别，便于进行观察。在添加链路个数有要求的时候，也可通过优先级顺序，优先添加优先级高的链路。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (1)

1.一种网络结构的动态链路预测方法，其特征在于，包括以下步骤：

步骤一，输入服务对象对应的网络结构；

步骤二，对步骤一输入的网络结构进行杰卡德距离的转换，获得处理后的网络结构；

步骤三，利用d^(t+1)(u,v)＝d^(t)(u,v)+Δd(u,v)表示处理后的网络结构中任意两个节点u和v之间的距离；其中，d^(t+1)(u,v)表示t+1时刻u节点和v节点之间的距离；d^(t)(u,v)表示t时刻u节点和v节点之间的距离；Δd(u,v)表示t时刻到t+1时刻的时间段内u节点和v节点之间的距离变化；且：

A集合为v节点的邻居节点集合；B集合为u节点的邻居集合；deg(u)表示u节点的邻居节点个数，或称之为u节点的度；deg(v)表示v节点的邻居节点个数，或称之为v节点的度；中间量和分别表示为：

λ为网络结构的内聚系数；其中，λ是通过实验测试取得的最能够反应网络自身拓扑结构的值，不同网络的λ值不同。根据大量的测试，λ一般在(0.2-0.7)的范围内取值。

步骤四，获取当前时刻下标记优先级的网络结构：

步骤41，根据步骤三的计算方法计算前一时刻处理后的网络结构中两两节点之间的距离；

步骤42，从前一时刻处理后的网络结构中选出两两节点之间距离为0的所有节点，对两两节点之间距离为0的每对节点均执行以下处理：

将该对节点命名为u节点和v节点，并判断u节点和v节点在步骤一中输入的网络结构中是否存在链路，如果不存在，则在步骤一中输入的网络结构中u节点和v节点之间加入链路；如果存在，则不做处理；然后标记该链路的优先级为最高级；

遍历前一时刻处理后的网络结构中v节点的邻居节点集合A，从邻居节点集合A中选出与u节点之间距离为0的邻居节点，并将该邻居节点命名为x节点，并判断u节点和x节点在步骤一中输入的网络结构中是否存在链路，如果不存在，则在步骤一中输入的网络结构中u节点和x节点之间加入链路；如果存在，则不做处理；然后标记该链路的优先级为次高级；

遍历前一时刻处理后的网络结构中u节点的邻居节点集合B，从邻居节点集合B中选出与v节点之间距离为0的邻居节点，并将该邻居节点命名为y节点，并判断v节点和y节点在步骤一中输入的网络结构中是否存在链路，如果不存在，则在步骤一中输入的网络结构中v节点和y节点之间加入链路；如果存在，则不做处理；然后标记该链路的优先级为次高级；

步骤五，在下一时刻中，重复执行步骤一至步骤四，获得下一时刻标记优先级的网络结构，且该下一时刻各链路的优先级顺延当前时刻的优先级，并按时间先后从高到低依次标记；

步骤六，每一时刻标记优先级的网络结构均为一个网络结构的预测结果，优先级为用户添加链路提供参考。