一种基于贝叶斯估计和共同邻居的链路预测方法

一种基于贝叶斯估计和共同邻居的链路预测方法，旨在优化网络模型的建立。具体操作如下：

1. 任取两个未直接连接的节点作为种子节点。
2. 分别计算这两个节点之间存在和不存在连边的概率。
3. 根据长度为2或3的路径中间节点的度信息，分别计算这两个节点之间产生和不产生连边的概率。
4. 利用贝叶斯估计和共同邻居信息，计算长度为2和3的路径中每一中间节点的似然值。
5. 相似性分数为所有中间节点似然值之和。
6. 遍历整个网络，使用上述方法计算任意两个种子节点间的相似性分数。
7. 将所有种子节点对按照相似性分数降序排列。
8. 选取前B个分数值对应的节点对作为预测连边。

本发明通过贝叶斯估计结合共同邻居信息，能够区分节点间局部路径中不同中间节点的重要性，从而显著提高算法的预测效果。

一种基于贝叶斯估计和共同邻居的链路预测方法，建立网络模型，任取两个未直接连接节点作为种子节点，分别计算它们之间存在和不存在连边的概率，根据二节点之间长度为2或3路径中间节点度信息，分别计算二节点之间产生和不产生连边的概率，根据贝叶斯估计和共同邻居信息，计算二节点之间长度为2和3的路径的每一中间节点的似然值,相似性分数为所有中间节点的似然值之和；遍历网络，用上述方法获取任意两个种子节点间的相似性分数，将所有种子节点对按相似性分数降序排列，取前B个分数值对应的节点对为预测连边。本发明根据贝叶斯估计，结合共同邻居信息，区分两节点间的局部路径中不同中间节点具有不同的重要性，算法预测效果好。