Predicting the evolution of complex networks via similarity dynamics

تقریبا تمام شبکه های دنیای واقعی مستلزم تکامل مداوم هستند و مقدار زیادی از آنها به طور تجربی مورد بررسی قرار گرفته است تا مکانیزم تکامل پایه را کشف کند. با این حال، پیش بینی تکامل شبکه های پویا همچنان یک مشکل چالش برانگیز است. مهمترین موضوع این است که لینک های شبکه های آینده شبکه های پویا را تخمین بزنیم. در این مقاله پیش بینی تکاملی شبکه های پویا با پارادایم پیش بینی لینک مورد مطالعه قرار گرفته است. برای برآورد احتمال وجود لینک ها دقیق تر، یک شاخص همبستگی موثر و قوی با بهره گیری از ساختار شبکه سازگار است. علاوه بر این، بیشتر روش های پیش بینی پیوند موجود، تمایز روشنی بین لینک های آینده و لینک های گم شده ایجاد نمی کنند. به منظور پیش بینی لینک های آتی، شبکه ها در این مقاله به عنوان سیستم های پویا در نظر گرفته می شوند و روش به روز رسانی شباهت، مدل رانش موقعیت موقعیت مکانی-زمانی، برای شبیه سازی پویش تکاملی شباهت گره ای طراحی شده است. سپس شباهت های به روز شده به عنوان اطلاعات ورودی برای برآورد احتمالی لینک های آینده استفاده می شود. آزمایش های گسترده در شبکه های دنیای واقعی نشان می دهد که شاخص تشابه پیشنهادی بهتر از روش های پایه ای عمل می کند و مدل رانش موقعیت به خوبی برای پیش بینی تکامل در شبکه های تکامل یافته در دنیای واقعی به خوبی عمل می کند.