37、社交网络链接预测与大规模通信网络对比分析

社交网络链接预测与大规模通信网络对比分析

1. 社交网络链接预测

在社交网络的研究中，链接预测是一个重要的课题。研究人员提出了一种新的算法来预测网络中缺失的链接，并将其与一些基于节点相似度的典型链接预测算法进行了比较。

新算法引入了受“物以类聚”现象启发的社区信息，这大大提高了时间效率并确保了准确性。通过对五个真实世界社交网络数据集的数值分析，发现由于网络特性不同，没有一种算法能适用于所有类型的网络。

社交网络大致可分为三类：
- Hub网络 ：聚类系数非常小且平均度较低。
- Uniform网络 ：聚类系数高且度大，也被称为富俱乐部网络。
- Trend center网络 ：节点平均度小且聚类系数高。

基于共同邻居的算法在Hub网络中表现较好，但在Uniform网络中，现有算法的得分都较低。

在第一类网络中，新提出的算法比其他算法能给出更好的预测结果。这是因为在分析两个节点之间是否存在关系时，考虑了邻居的影响，受“羊群现象”（即任何节点都喜欢跟随现实中的领导邻居）的启发，提高了许多节点对之间的得分。而在第二类网络中，AA算法得分比其他方法更好。

同时，研究还发现两个节点的共同邻居较少会导致这两个节点的得分较低，即使它们之间存在连接。如果忽略得分较低的节点对，预测的准确性将会降低。

2. 大规模呼叫和短信网络对比分析

2.1 研究背景

在现代社会，手机通话和短信是最流行的通信方式之一。3600万手机用户的实时通话