Improving link prediction in complex networks by adaptively exploiting multiple structural features of networks

تا کنون، بسیاری از روش های پیش بینی لینک مبتنی بر ساختار شبکه ارائه شده است. با این حال، این روش ها فقط یک یا دو ویژگی ساختاری شبکه ها را برجسته می کنند و سپس از روش های پیش بینی اتصال های گم شده در شبکه های مختلف استفاده می کنند. عملکرد این روش های موجود همیشه در همه موارد راضی نیست، زیرا هر شبکه دارای ویژگی های ساختاری منحصر به فرد آن است. در این مقاله، با تجزیه و تحلیل شبکه های مختلف واقعی، می بینیم که ویژگی های ساختاری شبکه های مختلف به طور قابل توجهی متفاوت هستند. به طور خاص، حتی در همان شبکه، ویژگی های ساختاری داخلی آنها کاملا متفاوت است. بنابراین، ویژگی های ساختاری بیشتر باید در نظر گرفته شود. با این حال، با توجه به ویژگی های ساختاری بسیار متفاوت، مشارکت از ویژگی های مختلف سخت است که در پیشبرد داده شود. با الهام از این حقایق، یک مدل تلفیقی سازگار برای پیش بینی پیوند پیشنهاد شده است تا ویژگی های ساختاری چندگانه را ترکیب کند. در مدل، یک تابع لجستیک که ترکیبی از ویژگی های ساختاری چندگانه تعریف شده است، سپس وزن هر ویژگی در عملکرد لجستیک، با استفاده از اطلاعات ساختار شناخته شده، سازگارانه تعیین می شود. آخرین باری که ما استفاده کردیم؟ تابع لجستیک برای پیش بینی احتمال اتصال از لینک های گم شده. بر اساس نتایج تجربی ما، دریافتیم که عملکرد مدل همجوشی ما بهتر از بسیاری از شاخص های تشابه است.