一种基于二阶局部群落信息分配和节点相关性的预测网络连边方法如下:
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和群落信息分配属性。
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,进行以下步骤:
计算二者之间的相似性指标。
将所有无连边节点对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。
本发明考虑了节点之间的信息分配、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,因此具有较高的准确性和预测精度。
| 专利名称 | 一种基于二阶局部群落信息分配和节点相关性的预测网络连边的方法 | ||
|---|---|---|---|
| 专利状态 | - | 专利号(申请号) | CN201710058270.1 |
| 申请号 | - | 专利申请日期 | 2017-01-23 |
| 专利授权日期 | 2017-06-20 | 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;俞佳;项旗立 | ||
| 权利人 | - | ||
| 专利摘要 | 一种基于二阶局部群落信息分配和节点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和群落信息分配属性,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。本发明考虑节点之间的信息分配、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。 | ||