一种基于二阶局部群落种子节点度和相关性的预测网络连边的方法

一种基于二阶局部群落种子节点度和相关性的预测网络连边的方法如下：

1. 建立网络模型，提取两个无连边节点的一阶和二阶共同邻居节点及其之间的边，组成二阶局部群落。
2. 记录该群落的节点和边的总数。
3. 计算此群落的边聚类系数、简谐平均距离、连边密度和二阶局部群落系数。
4. 计算两个无连边节点间的皮尔逊积矩相关系数，记录种子节点度。
5. 计算两节点间的相似性指标。
6. 对整个网络任意两个无连边的节点，计算二者之间的相似性指标。
7. 将所有无连边节点对之间的相似性分数按降序排列。
8. 取前h个指标对应的两个节点为预测连边。

本发明考虑了以下因素： - 种子节点度 - 节点之间的皮尔逊相关系数 - 局部群落的内部属性

通过有效利用网络的相关性信息，本发明实现了较高的预测准确性，预测精度显著。

一种基于二阶局部群落种子节点度和相关性的预测网络连边的方法，建立网络模型，提取两个无连边节点的一阶和二阶共同邻居节点及其之间的边组成二阶局部群落，记录该群落的节点和边的总数，计算此群落的边聚类系数、简谐平均距离、连边密度和二阶局部群落系数；计算两个无连边节点间的皮尔逊积矩相关系数，记录种子节点度，计算两节点间的相似性指标；对整个网络任意两个无连边的节点，计算二者之间的相似性指标，将所有无连边节点对之间的相似性分数按降序排列，取前h个指标对应的两个节点为预测连边。本发明考虑了种子节点度、节点之间的皮尔逊相关系数以及局部群落的内部属性，有效利用了网络的相关性信息，准确性较高，预测精度较高。