摘要
传统的异构网链路预测研究有基于元路径监督学习的PathPredict算法与MPBP算法,但它们并不能充分利用异构网提供的丰富信息来进行链路预测.在原有传统监督学习算法的基础上,首先为了增加链路熵和时间动态信息而设计了HLE-T算法,然后通过链路强弱关系的数值分段构建多分类问题的监督学习算法MSLP链路预测模型,最后在4个稠密度不同的数据集下完成了实验测试.实验结果表明,MSLP链路预测模型一定程度上提升了异构网中的链路预测性能,对未来链路预测研究具有一定的借鉴意义.
基金项目
海南省高等学校科学研究一般项目(Hnky2011-51)
NETL
NSTL
万方数据