کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
7375686 1480073 2018 12 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
A comprehensive comparison of network similarities for link prediction and spurious link elimination
ترجمه فارسی عنوان
مقایسه جامع شباهت های شبکه برای پیش بینی لینک و حذف لینک های جعلی
کلمات کلیدی
تجزیه و تحلیل ثبات پیش بینی پیوند، حذف لینک های جعلی،
ترجمه چکیده
شناسایی تعاملات از دست رفته در شبکه های پیچیده، که به عنوان پیش بینی پیوند شناخته می شود، برآورد می شود احتمال وجود لینک بین دو گره با توجه به لینک های مشاهده شده و ویژگی های گره. روش های مشابه نیز برای شناسایی و حذف لینک های جعلی در شبکه ها مورد استفاده قرار گرفته است که برای ارتقای قابلیت اطمینان اطلاعات شبکه ضروری است. در علم شبکه، احتمالی برای دو گره دارای اتصال به شدت وابسته به شباهت ساختاری آنها است. به این ترتیب کلید حل این دو مشکل، چگونگی اندازه گیری شباهت بین گره ها در شبکه ها را عینی می کند. در ادبیات، معیارهای شبکهای شبکهای متعدد ارائه شده است و دقت آنها در کارهای قبلی مستقل مورد بحث بوده است. در این مقاله، ما به طور سیستماتیک دقت 18 معیار شباهت را در هر دو پیش بینی پیوند و حذف لینک های جعلی زمانی مقایسه می کنیم که شبکه های مشاهده شده بسیار پراکنده هستند و یا شامل اطلاعات نادرست مرتبط هستند. جالب توجه است، برخی از روش های دقت پیش بینی بالا دارند، آنها تمایل دارند دقت کم را در شناسایی تعامل جعلی. ما بیشتر متوجه می شویم که می توان روش ها را با توجه به رفتارهای خود به چند دسته تقسیم کرد. این کار برای هدایت استفاده آینده از این معیارهای تشابه برای اهداف مختلف مفید است.
موضوعات مرتبط
مهندسی و علوم پایه ریاضیات فیزیک ریاضی
پیش نمایش مقاله
مقایسه جامع شباهت های شبکه برای پیش بینی لینک و حذف لینک های جعلی
چکیده انگلیسی
Identifying missing interactions in complex networks, known as link prediction, is realized by estimating the likelihood of the existence of a link between two nodes according to the observed links and nodes' attributes. Similar approaches have also been employed to identify and remove spurious links in networks which is crucial for improving the reliability of network data. In network science, the likelihood for two nodes having a connection strongly depends on their structural similarity. The key to address these two problems thus becomes how to objectively measure the similarity between nodes in networks. In the literature, numerous network similarity metrics have been proposed and their accuracy has been discussed independently in previous works. In this paper, we systematically compare the accuracy of 18 similarity metrics in both link prediction and spurious link elimination when the observed networks are very sparse or consist of inaccurate linking information. Interestingly, some methods have high prediction accuracy, they tend to perform low accuracy in identification spurious interaction. We further find that methods can be classified into several cluster according to their behaviors. This work is useful for guiding future use of these similarity metrics for different purposes.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Physica A: Statistical Mechanics and its Applications - Volume 500, 15 June 2018, Pages 97-105
نویسندگان
, , , ,