文献学习_Similarity‑based link prediction in social networks using latent relationships between the user

题目

作者

Ahmad Zareie & Rizos Sakellariou
-Department of Computer Science, The University of Manchester, Manchester M13 9PL, UK. *email: rizos@ manchester.ac.uk

摘要

两个假设

•假设1:如果连接到未来链路的节点之间没有共同邻居，但节点之间存在显著的潜在关系，则可以预测链路形成。
•假设2:考虑潜在的关系有助于证明存在的和不存在的链接对之间的差异，这些节点可能仍然有相同数量的共同邻居。

方法

Direct-Indirect Common Neighbours (DICN)

• 首先衡量每对节点公共二阶邻居的影响；
• 然后结合公共一阶邻居的影响来评估节点对之间的相似性。
  为了评估公共二阶邻居的影响，首先首先对每个节点i给出包括|V|项的定义。
  
  为了预测两个节点间连边的可能性，联合邻居集合的计算如下:
  
  两节点向量的相关系数计算如下：
  
  其中，
  
  两个节点间的直接-间接公共邻居相似性计算如下：
  
  相应算法：
  

实验结果

设置
比较对象：其它8个具有代表性的方法
实验环境：Java，PC i5 2.3 GHz 处理器，8MB 内存
数据集：9个真实数据集
评估策略：将现有的边划分为测试集和验证集，划分比例为β，使用AUC来评估准确性。
结果

• 实验1：与不同方法比较，评估精确性
• 实验2：评估所提方法鲁棒性，通过改变β值
• 实验3：验证两个假设

总结

该方法与基于相似性的方法不同之处（创新点）在于，充分利用了节点对之间二跳邻居的信息，并接用皮尔森相关性系数给出相似性计算公式，并取得很好的效果。