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

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 Graph Neural Networks 的新型深度学习方法，以解决如何预测大型演化网络中链接出现的问题，特别地，预测与 AI 相关的主题之间的链接。实验结果表明，使用此方法能够有效地识别出节点的吸收和密集子图的合并两种模式，且模型具有较高的预测准确性。

Jan, 2022

本研究介绍了一种创新方法，将社区检测算法与图神经网络（GNN）模型相结合，以增强科学文献网络中的链接预测。我们特别关注利用 Louvain 社区检测算法揭示这些网络中的潜在社区结构，并将其整合到 GNN 架构中以预测潜在链接。我们的方法论证了在复杂网络中理解社区动态的重要性，并利用社区检测和 GNN 的优势来提高预测精度。通过对代表科学合作和引用的二部图的大量实验，我们的方法不仅凸显了社区检测和 GNN 之间的协同作用，还解决了链接预测中存在的一些普遍挑战，如可扩展性和分辨率限制。结果表明，整合社区级别信息可以显著提高 GNN 在链接预测任务中的性能。本工作通过将先进的机器学习技术与传统网络分析方法相结合，为网络科学领域提供了一种新的整合视角，以更好地理解和预测科学合作的复杂模式。

Jan, 2024

本研究探讨了在众多现代应用中，训练数据中可能存在互相连接的个体不独立样本的情况下，预测算法的表现。我们提出了一种基于网络的罚函数来鼓励联通节点的预测相似性，并证明了将其应用于预测模型能够在现实和理论上得到显著的表现改进，特别在存在网络内部联系的情况下。此罚函数可以与许多基于损失的预测模型相结合，如回归模型，广义线性模型和 Cox 比例危险模型。通过对青少年的探险行为和大麻使用水平的预测研究，我们发现了这种方法对预测行为的提高是有效的，并且提供了对变量效应估计的说明。

Feb, 2016

使用本地链接 / 三角信息，基于公共邻居的聚类系数提出了一种新的相似性索引。通过测试十个真实世界网络，发现该方法与经典相似性指数和最近提出的 CAR 指数性能相当，但在 LCP-corr 不是很高的网络中优于 CAR。

Oct, 2015

本文提出利用社交认知理论来改善在在线社交网络中的链接预测算法，并探讨了利用社交圈子意识来扩展特征提取算法并验证其预测性能的方法，在社交圈子意识的算法中，预测性能得到了显著的提升，打败了一些最先进的解决方案，同时也可以用于针对特定类别的用户进行定向营销。

Sep, 2021

在线社交网络的出现导致了关于在线社交群体及其与个体个性关系的丰富文献的发展。通过对广泛的社交互动进行推断，可以得到社交结构，这些互动形成了复杂的、有时是多层次的网络，对其中的高阶结构进行了社群检测算法的提取。然而，关于社群检测算法在与其分类的个体文化生产之间的关系，却很少受到质疑。在这项工作中，我们假设社交网络及其文化生产是纠缠在一起的，并提出了一种基于文化的在线社交群体的定义，即将在线产出归类为社群相关的个体集合。我们利用这种似乎自指的在线社交群体描述，结合社区检测算法和自然语言处理分类算法的混合方法。该分析的一个关键结果是可以使用自然语言处理分类算法的准确度来评价社群检测算法的得分。另一个结果是我们可以以超过 85% 的准确率分配随机用户的意见。

Jun, 2024

该文章描述了几种算法来实现协同过滤或推荐系统，并使用不同的评估方法比较了它们的预测准确性。结果表明，在大多数情况下，每个节点具有决策树的贝叶斯网络和相关性方法优于贝叶斯聚类和向量相似度方法。

Jan, 2013

文章测试了多种算法，并针对新的基准图进行了评估，结果表明 Rosvall and Bergstrom、Blondel et al. 和 Ronhovde and Nussinov 三种算法表现出色，并具有低计算复杂度优势，适用于大型网络分析。

Aug, 2009