32、社交网络中基于知识的链接预测框架

社交网络中基于知识的链接预测框架

1. 引言

在社交网络分析中，预测节点之间未来可能形成的链接是一个重要的研究问题。为了估计每对未连接节点之间存在关系的可能性，我们基于两个主要概念定义了一个公式，即每对未连接节点之间的路径数量和这些路径的长度。通常，路径越多且长度越短，意味着在下一个时间槽中建立连接的机会越高。我们的算法会计算未直接连接的节点对之间存在关系的概率，并对其进行排序。

同时，我们提出了观察节点对之间链接质量的新概念，并引入了一种从网络结构中提取信息作为相似性指标的方法。

2. 问题定义与相关工作

• 问题定义 ：如果一个网络映射到一个图 $G(V, E)$，其中 $V$ 是固定数量的节点，$E$ 表示每对节点之间的链接。在特定时间槽 $(t)$，边定义为 $e = (u, v) \in E$，其中 $u, v \in V$。通过在时间 $t$ 对图进行快照来预测其在时间 $t + 1$ 的状态，这被定义为社交网络中的链接预测问题。也就是说，给定时间 $t$ 的网络 $G_t$，链接预测算法的输出将是一个不在 $G_t$ 中但在 $G_{t+1}$ 中出现概率较高的边的列表。
• 相关工作
  • 基于相似性的方法 ：具有大量共同特征的用户对在不久的将来建立链接的机会更高。这类算法会计算每对节点 $x$ 和 $y$ 之间的相似性水平，并为它们分配一个分数。排序后，选择分数较高的节点对，因为它们在不久的将来建立链接的可能性更大。
  • 基于节点