基于PU学习的链接预测方法

作者：李琦; 王智强; 梁吉业^*

来源：模式识别与人工智能, 2019, 32(09): 793-799.

DOI：10.16451/j.cnki.issn1003-6059.201909003

• 链接预测
• 正例和无标识样本(PU)学习
• 社区结构
• 集成学习

基于分类的链接预测方法中,由于链接未知节点对的大规模性与不确定性,选择可靠负例成为构造链接预测分类器的难点问题.为此,文中提出基于正例和无标识样本(PU)学习的链接预测方法.首先,提取节点对的拓扑信息以构造样本集.再利用社区结构确定候选负例的分布,基于分布进行多次欠采样,获得多个候选负例子集,集成多个负例集与正例集中构建的分类器选择可靠负例.最后基于正例与可靠负例构造链接预测分类器.在4个网络数据集上的实验表明文中方法预测结果较优.

• 单位
  山西大学