一种基于贝叶斯估计和共同邻居节点度的链路预测方法如下:
建立网络模型:
计算连边概率:
分析路径中间节点度信息:
计算连边概率:
贝叶斯估计和共同邻居节点度:
计算中间节点似然值:
计算相似性分数:
遍历网络:
排序种子节点对:
预测连边:
本发明通过贝叶斯估计,结合共同邻居节点度,区分两节点间局部路径中不同中间节点的重要性,从而实现了算法预测效果的优化。
| 专利名称 | 一种基于贝叶斯估计和共同邻居节点度的链路预测方法 | ||
|---|---|---|---|
| 专利状态 | - | 专利号(申请号) | CN201710366171.X |
| 申请号 | - | 专利申请日期 | 2017-05-23 |
| 专利授权日期 | 2017-08-04 | 专利权届满日 | - |
| 专利所属地 | 中国 | 专利类型 | 发明专利 |
| 发明人 | 杨旭华;冯文灏;张海丰 | ||
| 权利人 | - | ||
| 专利摘要 | 一种基于贝叶斯估计和共同邻居节点度的链路预测方法,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概率,根据贝叶斯估计和共同邻居节点度,计算二节点之间长度为2和3路径每一中间节点似然值,相似性分数为所有中间节点似然值之和;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个分数值对应节点对为预测连边。本发明根据贝叶斯估计,结合共同邻居节点度,区分两节点间局部路径中不同中间节点具有不同重要性,算法预测效果好。 | ||