基于对偶图正则化非负矩阵分解的链路预测
陈广福1
阎兵早2
1.武夷学院 数学与计算机学院,福建 武夷山354300;认知计算与智能信息处理福建省高校重点实验室,福建 武夷山3543002.武夷学院 数学与计算机学院,福建 武夷山354300
摘要：现存大部分链路预测方法仅考虑单类型网络结构信息,无法同时保持一阶、局部和全局结构信息,导致预测精度下降.针对以上不足,提出对偶正则化非负矩阵分解的链路预测模型,同时保持一阶、局部和全局结构信息.首先,将无向无权的邻接矩阵映射到低维潜在空间保持网络一阶结构;其次,利用随机游走方法捕获整个网络节点相似度,再启用图正则化技术保持全局结构;此外,利用杰卡尔德系数获得局部相似度去探索网络局部结构;最后,将一 阶、局部和全局结构信息相融合构建统一链路预测模型,并启用迭代更新规则学习模型参数获得局部最优.在6个真实网络上进行实验,运用AUC(areas under curve)和AUPR(areas under precision-recall)度量对所提模型进行评估,实验结果表明AUC和AUPR值分别提升了3.1％和8.9％.
关键词：复杂网络链路预测非负矩阵分解对偶图正则化
分类号：TP391(计算技术、计算机技术)
资助基金：福建省自然科学基金项目(2021J011146)武夷学院引进人才科研启动基金(YJ202017)
论文发表日期：2022-09-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：8( 336-343 )
英文信息