摘要
链接预测是复杂网络分析中的重要研究内容，主要是对网络中节点缺失的关键边进行预测，其在网络重建和网络演化等方面有着极其重要的研究价值。基于节点相似性方法可以对捕获共同邻居的数量进行加权处理，能较好的表达节点之间的相似性，其适合对密集网络中缺失边的预测。由于这类节点相似性方法高度依赖于节点间共同的邻居，无法涵盖隐藏在节点社区周围的复杂的节点信息。在稀疏的网络中，如果节点间无公共邻居或者存在少量公共邻居，此类方法的预测效果将会降低。此外，近期研究表明节点的相似性可从节点的社区结构、节点路径、节点属性信息等方面入手。于是本文针对不同领域的网络进行分析，利用公共邻居、节点社区结构信息、节点路径等节点特征信息对复杂网络中的链接预测方法进行了深入的研究，主要包含如下三个方面： 1.本文为无权无向网络中的链接提出了一种融合社区链接指数的链接预测方法。引入了节点的社区链接指数(communityconnectivityindex,CCI)来获得节点的社区属性，利用活跃在社区间的节点进行信息传播，将其与基于公共邻居相似度指数结合，设计了三种无监督学习方法来得到每对节点的相似度。通过在不同规模的真实世界网络中实现链接预测，实验证明该方法的性能在几种经典的基线方法上得到一定的提升。 2.本文进一步研究了无权无向网络中的节点相似度问题，提取了节点的路径信息，将其作为节点在全局范围内与所有节点的关系强弱程度，设计并实现了基于节点紧密性的链接预测(ClosenessCentralityofNodeinLinkPredictiononRA,RACLP)方法，该方法可以提取网络节点的有效特征，其预测效果也优于主流方法。 3.针对上述两种方法，搭建相应的环境并实现了链接预测中节点推荐的原型系统，该系统可以根据用户上传的数据和设置的参数，使用相应的链接预测方法，得到系统内置算法推荐的优选节点对，并对结果进行展示。
NETL