一种基于贝叶斯估计和大度节点不利的链路预测方法

一种基于贝叶斯估计和大度节点不利的链路预测方法， 建立网络模型， 任取两个未直接连接的节点作为种子节点， 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路径中间节点的度信息， 分别计算二节点之间产生和不产生连边的概率， 根据贝叶斯估计和大度节点不利思想， 计算二节点之间长度为2和3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， 结合大度节点不利思想， 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。

一种基于贝叶斯估计和大度节点不利的链路预测方法，建立网络模型，任取两个未直接连接的节点作为种子节点，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路径中间节点的度信息，分别计算二节点之间产生和不产生连边的概率，根据贝叶斯估计和大度节点不利思想，计算二节点之间长度为2和3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，结合大度节点不利思想，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。