کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
10481685 | 933211 | 2013 | 7 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
Predicting link directions via a recursive subgraph-based ranking
ترجمه فارسی عنوان
پیش بینی مسیرهای لینک با استفاده از یک رتبه بندی مبتنی بر زیرگراف بازگشتی
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
کلمات کلیدی
پیش بینی پیوند، شبکه راننده، رتبه بندی زیرگرافی، مشکل مرتب سازی خطی،
ترجمه چکیده
دستورالعملهای پیوند برای عملکرد شبکه ها ضروری هستند و پیش بینی آنها برای دستیابی به دانش بهتر شبکه های هدایت شده از داده های ناملموس دنیای واقعی مفید است. ما با استفاده از وجود و جهت های بقیه لینک ها، مشکل پیش بینی جهت برخی از لینک ها را بررسی می کنیم. ما یک راه حل را با اولین گره های رتبه بندی در یک نظم خاص پیشنهاد می کنیم و سپس هر لینک را پیش بینی می کنیم که از یک گره پایین تر رتبه می گیرد و به یک رتبه بالاتر منتقل می شود. روش رتبه بندی پیشنهادی با استفاده از شاخص های محلی در مقیاس های چندگانه، هر کدام مربوط به زیرگرافی از شبکه اصلی است. آزمایشات در شبکه های واقعی نشان می دهد که جهت یک بخش قابل توجهی از لینک ها می تواند به درستی توسط روش ما بهبود یابد، که از روش های صرفا محلی یا جهانی بهتر عمل می کند.
موضوعات مرتبط
مهندسی و علوم پایه
ریاضیات
فیزیک ریاضی
چکیده انگلیسی
Link directions are essential to the functionality of networks and their prediction is helpful toward a better knowledge of directed networks from incomplete real-world data. We study the problem of predicting the directions of some links by using the existence and directions of the rest of links. We propose a solution by first ranking nodes in a specific order and then predicting each link as stemming from a lower-ranked node and pointing toward a higher-ranked one. The proposed ranking method works recursively by utilizing local indicators on multiple scales, each corresponding to a subgraph extracted from the original network. Experiments on real networks show that the directions of a substantial fraction of links can be correctly recovered by our method, which outperforms either purely local or global methods.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Physica A: Statistical Mechanics and its Applications - Volume 392, Issue 16, 15 August 2013, Pages 3402-3408
Journal: Physica A: Statistical Mechanics and its Applications - Volume 392, Issue 16, 15 August 2013, Pages 3402-3408
نویسندگان
Fangjian Guo, Zimo Yang, Tao Zhou,