基于对偶图正则化非负矩阵分解的链路预测

作者：陈广福; 阎兵早

来源：湖北民族大学学报(自然科学版), 2022, 40(03): 336-343.

DOI：10.13501/j.cnki.42-1908/n.2022.09.015

• 复杂网络
• 链路预测
• 非负矩阵分解
• 对偶图正则化

现存大部分链路预测方法仅考虑单类型网络结构信息，无法同时保持一阶、局部和全局结构信息，导致预测精度下降.针对以上不足，提出对偶正则化非负矩阵分解的链路预测模型，同时保持一阶、局部和全局结构信息.首先，将无向无权的邻接矩阵映射到低维潜在空间保持网络一阶结构；其次，利用随机游走方法捕获整个网络节点相似度，再启用图正则化技术保持全局结构；此外，利用杰卡尔德系数获得局部相似度去探索网络局部结构；最后，将一阶、局部和全局结构信息相融合构建统一链路预测模型，并启用迭代更新规则学习模型参数获得局部最优.在6个真实网络上进行实验，运用AUC(areas under curve)和AUPR(areas under precision-recall)度量对所提模型进行评估，实验结果表明AUC和AUPR值分别提升了3.1%和8.9%.

• 单位
  武夷学院