提出一种基于多模体的虚假链路预测方法，以提高虚假链路预测的准确性。以十二种模体结构的数量作为网络连边的特征，结合随机森林集成学习模型进行多特征融合，在六个真实网络上进行虚假链路预测实验。实验表明：基于多模体的虚假链路预测方法比基于单模体和传统共同邻居相似性的预测方法在预测准确度上都有较大的提升。在此基础上还进行了相关性分析和特征选择分析实验，揭示了模特结构的相似性关系和数据划分比例对预测结果的影响。
科研之友
微信
新浪微博
Facebook
分享链接
