基于改进TADW的链路预测算法

doi:10.12068/j.issn.1005-3026.2021.11.003

东北大学学报（自然科学版） ›› 2021, Vol. 42 ›› Issue (11): 1533-1539.DOI: 10.12068/j.issn.1005-3026.2021.11.003

基于改进TADW的链路预测算法

陈东明，孙政平，于开帅，王冬琦

(东北大学软件学院，辽宁沈阳110169)

修回日期:2020-03-26 接受日期:2020-03-26 发布日期:2021-11-19
通讯作者: 陈东明
作者简介:陈东明(1971-)，男，安徽怀宁人，东北大学教授.
基金资助:
辽宁省自然科学基金资助项目(20170540320)；辽宁省博士启动基金资助项目(20170520358)；中央高校基本科研业务费专项资金资助项目(N2017010，N172415005-2).

Link Prediction Algorithm Based on Improved TADW

CHEN Dong-ming， SUN Zheng-ping， YU Kai-shuai， WANG Dong-qi

School of Software， Northeastern University， Shenyang 110169， China.

Revised:2020-03-26 Accepted:2020-03-26 Published:2021-11-19
Contact: WANG Dong-qi
About author:-
Supported by:
-

摘要/Abstract

摘要： 针对经典的节点相似性链路预测算法只考虑网络拓扑结构或者节点属性信息的问题，使用词嵌入模型Word2vec学习得到节点文本属性信息的表示，进而改进TADW(text-associated deep walk)算法，弥补其语义信息表示能力的不足.基于改进的TADW图嵌入方法提出一种融合网络拓扑结构和节点属性信息的相似性指标，并基于此相似性指标提出链路预测算法.在三个真实数据集上的实验结果表明所提出算法可以提高预测精度，并具有更好的鲁棒性，同时使用图嵌入的方法有效解决了网络数据的稀疏性问题.

关键词: TADW算法;属性信息;链路预测;词嵌入;Word2vec

Abstract: Aiming at the problem that the classic node similarity link prediction algorithm only considers the network topology or node attribute information， the word embedding model Word2vec to learn the representation of node text attribute information is employed， and then TADW(text-associated deep walk)algorithm for its insufficient ability to express semantic information is improved. Based on the improved TADW graph embedding method， a similarity index which incorporate the topological structure and node attribute information is proposed. Furthermore， the link prediction algorithm is proposed based on this similarity index. Experimental results on three real datasets demonstrate the superiority of the proposed algorithm with better robustness on predicting precision as well as network sparsity solvability.

Key words: TADW(text-associated deep walk)algorithm; attribute information; link prediction; word embedding; Word2vec

中图分类号:

TP391

陈东明，孙政平，于开帅，王冬琦. 基于改进TADW的链路预测算法[J]. 东北大学学报（自然科学版）, 2021, 42(11): 1533-1539.

CHEN Dong-ming， SUN Zheng-ping， YU Kai-shuai， WANG Dong-qi. Link Prediction Algorithm Based on Improved TADW[J]. Journal of Northeastern University(Natural Science), 2021, 42(11): 1533-1539.

参考文献

[1]Lyu L，Zhou T.Link prediction in complex networks:a survey ［J］.Physica A: Statistical Mechanics & Its Applications，2011，390(6):1150-1170.
[2]胡文斌，彭超，梁欢乐，等.基于链路预测的社会网络事件检测方法［J］.软件学报，2015，26(9):2339-2355.(Hu Wen-bin，Peng Chao，Liang Huan-le，et al.Event detection method based on link prediction for social network evolution［J］.Journal of Software，2015，26(9):2339-2355.)
[3]Daminelli S，Thomas J M，Durán C，et al.Common neighbours and the local-community-paradigm for topological link prediction in bipartite networks［J］.New Journal of Physics，2015，17(11):113037.
[4]Lin D.An information-theoretic definition of similarity［J］.Icml，1998，98(1998):296-304.
[5]傅颖斌，陈羽中.基于链路预测的微博用户关系分析［J］.计算机科学，2013，41(2):201-205.(Fu Ying-bin，Chen Yu-zhong.Relationship analysis of microblogging user with link prediction［J］.Computer Science，2013，41(2):201-205.)
[6]许烁娜，曾碧卿.基于Skyline查询的社会网络链接预测［J］.计算机科学，2014，42(1):264-267.(Xu Shuo-na，Zeng Bi-qing.Skyline based link prediction on social networks［J］.Computer Science，2014，42(1):264-267.)
[7]刘冶，朱蔚恒，潘炎，等.基于低秩和稀疏矩阵分解的多源融合链接预测算法［J］.计算机研究与发展，2015，52(2):423-436.(Liu Ye，Zhu Wei-heng，Pan Yan，et al.Multiple sources fusion for link prediction via low-rank and sparse matrix decomposition［J］.Journal of Computer Research and Development，2015，52(2):423-436.)
[8]Yuan G，Murukannaiah P K，Zhang Z，et al.Exploiting sentiment homophily for link prediction［C］// 8th ACM Conference on Recommender Systems.Foster City:ACM，2014:17-24.
[9]Igor R，Maxim Z.The distribution of the maximum number of common neighbors in the random graph［J］.arXiv Preprint arXiv，2018，1804:04430.
[10]Yin D，Hong L，Davison B D.Structural link analysis and prediction in microblogs［C］//Proceedings of the 20th ACM International Conference on Information and Knowledge Management.Glasgow，2011:1163-1168.
[11]黄立威，李德毅，马于涛，等.一种基于元路径的异质信息网络链路预测模型［J］.计算机学报，2014，37(4):848-858.(Huang Li，Li De-yi，Ma Yu-tao，et al.A meta path-based link prediction model for heterogeneous information［J］.Chinese Journal of Computers， 2014，37(4):848-858.)
[12]Popescul A，Ungar L H.Structural logistic regression for link analysis［J］.Departmental Papers(CIS)，2003，133:1-19.
[13]Backstrom L，Leskovec J.Supervised random walks:predicting and recommending links in social networks［C］//Proceedings of the Fourth ACM International Conference on Web Search and Data Mining.Boston，2011:635-644.
[14]Ahmed C，El Korany A.Enhancing link prediction in Twitter using semantic user attributes［C］//2015 IEEE/ACM International Conference on Advances in Social Networks Analysis and Mining(ASONAM).Paris:IEEE，2015:1155-1161.
[15]Getoor L.Link mining:a new data mining challenge［J］.ACM SIGKDD Explorations Newsletter，2003，5(1):84-89.
[16]孙志远，鲁成祥，史忠植，等.深度学习研究与进展［J］.计算机科学，2016，43(2):1-8.(Sun Zhi-yuan，Lu Cheng-xiang，Shi Zhong-zhi，et al.Research and advances on deep learning［J］.Computer Science，2016，43(2):1-8.)
[17]Mikolov T，Sutskever I，Chen K，et al.Distributed representations of words and phrases and their compositionality［J］.Advances in Neural Information Processing Systems，2013，26:3111-3119.
[18]Perozzi B，Al-Rfou R，Skiena S.Deepwalk:online learning of social representations［C］//Proceedings of the 20th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining.New York:ACM，2014:701-710.
[19]Yang C，Liu Z，Zhao D，et al.Network representation learning with rich text information［C］//Twenty-Fourth International Joint Conference on Artificial Intelligence.Buenos，2015:2111-2117.
[20]DBLP.Dblp dataset［DB/OL］.(2020-03-26)［2019-11-22］.https://dblp.uni-trier.de/xml/.
[21]Cora.Cora datasets［DB/OL］.(2020-03-26)［2015-01-01］.https://linqs.soe.ucsc.edu/data/.
[22]CiteSeer.CiteSeer dataset(2020-03-26)［2015-01-01］.https://linqs.soe.ucsc.edu/data/.
[23]吕琳媛.复杂网络链路预测［J］.电子科技大学学报，2010，39(5):651-661.(Lyu Lin-yuan.Link prediction on complex networks ［J］.Journal of University of Electronic Science and Technology of China，2010，39(5):651-661.)

基于改进TADW的链路预测算法

Link Prediction Algorithm Based on Improved TADW

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	庞彦伟，苏畅，龙涛. 自适应构造与聚合多尺度代价体的双目立体匹配[J]. 东北大学学报（自然科学版）, 2023, 44(4): 457-468.
[2]	丁其川，王力，刘成. 融合长距离信道注意力与病理特征的肺结节分类[J]. 东北大学学报（自然科学版）, 2023, 44(4): 476-485.
[3]	李海燕，熊立昌，郭磊，李海江. 基于U-net边缘生成和超图卷积的两阶段修复算法[J]. 东北大学学报（自然科学版）, 2023, 44(3): 331-339.
[4]	杨丹，刘国如，任梦成，裴宏杨. 多尺度卷积核U-Net模型的视网膜血管分割方法[J]. 东北大学学报（自然科学版）, 2021, 42(1): 7-14.
[5]	韩东红，张宏亮，朱帅伟，齐孝龙. 面向新浪微博的情感社区检测算法[J]. 东北大学学报（自然科学版）, 2021, 42(1): 21-31.
[6]	原培新，陈鼎夫. 双能X射线高动态范围安检图像压缩算法[J]. 东北大学学报（自然科学版）, 2021, 42(1): 96-101.
[7]	魏颖, 徐楚翘, 刁兆富, 李伯群. 基于生成对抗网络的多目标行人跟踪算法[J]. 东北大学学报（自然科学版）, 2020, 41(12): 1673-1680.
[8]	李稷，徐安军. 炼钢车间多天车动态调度仿真方案[J]. 东北大学学报:自然科学版, 2020, 41(12): 1699-1707.
[9]	李占山，吕艾娜. 基于新冗余度的特征选择方法[J]. 东北大学学报:自然科学版, 2020, 41(11): 1550-1556.
[10]	王鑫，王翠荣，王聪，苑迎. 双通道多感知卷积神经网络图像超分辨率重建[J]. 东北大学学报:自然科学版, 2020, 41(11): 1564-1570.
[11]	张春雷，戴丽，刘宇，李鹤. 基于三点法和ICP算法的手术导航系统患者配准[J]. 东北大学学报:自然科学版, 2020, 41(11): 1584-1590.
[12]	陈剑，何涛，闻英友，马林涛. 基于BERT模型的司法文书实体识别方法[J]. 东北大学学报:自然科学版, 2020, 41(10): 1382-1387.
[13]	张田，田勇，王子，王昭东. 基于清晰度评价的自适应阈值图像分割法[J]. 东北大学学报:自然科学版, 2020, 41(9): 1231-1238.
[14]	张丽杰，刘建昌，谭树彬. 复杂建筑火灾中的人员疏散路径多目标规划[J]. 东北大学学报:自然科学版, 2020, 41(6): 761-766.
[15]	赵海，周冰玲，朱宏博，窦圣昶. 基于连续最大流的三维肺实质快速分割算法[J]. 东北大学学报:自然科学版, 2020, 41(4): 470-474.