本文总结了过去十年来数千篇相关出版物中提取的有关本地相似性指数、链接预测性、网络嵌入、矩阵完成和集成学习等方面的代表性进展,并概述了未来研究面临的一些长期挑战。
Feb, 2021
本文总结了最近复杂网络中连接预测算法的进展,强调了物理观点和方法的贡献,同时引入三个典型应用:网络重构、网络演化机制评估和部分标签网络分类,并介绍了预测算法的一些应用和未来挑战。
Oct, 2010
本文研究了基于节点相似度的网络链路预测模型,并比较了九种不同的局部相似度度量方法在六个真实网络中的性能。结果表明,最简单的方法即共同邻居法在各项性能上表现最佳,其次是 Adamic-Adar 指数。在此基础上提出了一种基于资源分配过程的新的相似度度量方法,并发现仅考虑最近邻信息时许多链接分配得分相同,设计出一种利用下一个最近邻信息的新方法,可以显著提高预测准确性。
Jan, 2009
本文提出了一种基于本地随机游走的预测方法,可以在保持竞争力的预测准确性的同时,具有更低的计算复杂度,有效解决了在复杂网络中缺失的链接预测问题。
Jan, 2010
本文综述了社交网络中缺失链接的预测方法和应用,并分析了当前技术的现状、问题、应用和未来挑战。
Nov, 2014
本文对复杂网络中的链接预测方法进行了广泛的综述,将其分为四大类,包括基于相似性、基于概率、基于关系模型和基于学习的方法。此外,还介绍了一系列可用于研究链接预测的网络数据集。最后,讨论了最近的发展趋势和未来研究方向。
Jan, 2019
描述、解释网络动态变化的关键挑战之一是预测短期和长期变化,在考虑增强节点属性和网络拓扑特征的基础上,应用 CMA-ES 优化 16 个邻域和节点相似性指数的权重来预测未来的链接,从而为推特回复网络的演化提供一些计算机建模的线索。
Apr, 2013
提出一种结合第一和第二组方法的两阶段方法,其中第一阶段确定与节点位置和动态行为相关的新特征,第二阶段应用子空间聚类算法对社会对象进行分组,以区分集群的强度,在 Facebook、Brightkite 和 HepTh 等真实数据集上进行了广泛的实验,并与该领域的一些先前技术进行了实验验证,证明了该方法的优越性。
May, 2023
本文以数据为中心的观点,旨在研究不同数据集中的链接预测原则,确认了三个关键因素:局部结构接近度、全局结构接近度和特征接近度,并揭示了它们之间的关系。新的洞察启发了 GNN4LP 模型设计以及选择适当基准数据集进行更全面评估的实用指导。
Oct, 2023
本文研究了一种基于图神经网络的启发式学习方法,通过提取目标链接周围的局部子图,学习一个将子图模式映射到链接存在性的函数,从而自动学习适合当前网络的启发式算法,实验结果表明其性能优越。
Feb, 2018