网络与信息安全学报 ›› 2018, Vol. 4 ›› Issue (7): 30-38.doi: 10.11959/j.issn.2096-109x.2018049

• 论文 • 上一篇    下一篇

基于神经网络的链路预测算法

潘永昊,于洪涛,刘树新   

  1. 国家数字交换系统工程技术研究中心,河南 郑州 450002
  • 修回日期:2018-06-01 出版日期:2018-07-01 发布日期:2018-09-10
  • 作者简介:潘永昊(1992-),男,甘肃金昌人,国家数字交换系统工程技术研究中心硕士生,主要研究方向为复杂网络、链路预测。|于洪涛(1970-),男,辽宁丹东人,博士,国家数字交换系统工程技术研究中心研究员,主要研究方向为网络大数据分析与处理。|刘树新(1987-),男,山东潍坊人,博士,国家数字交换系统工程技术研究中心助理研究员,主要研究方向为复杂网络、网络信息挖掘。
  • 基金资助:
    国家自然科学基金创新研究群体基金资助项目(61521003);国家自然科学基金资助项目(61601513)

Neural network-based link prediction algorithm

Yonghao PAN,Hongtao YU,Shuxin LIU   

  1. National Digital Switching System Engineering and Technological R&D Center,Zhengzhou 450002,China
  • Revised:2018-06-01 Online:2018-07-01 Published:2018-09-10
  • Supported by:
    The Innovative Research Groups of the National Natural Science Foundation of China(61521003);The National Natural Science Foundation of China(61601513)

摘要:

针对当前基于网络拓扑结构相似性的链路预测算法普遍存在精确度较低且适应性不强的问题,研究发现融合算法能够有效改善这些问题。提出了一种基于神经网络的融合链路预测算法,主要通过神经网络对不同链路预测相似性指标进行融合。该算法使用神经网络对不同相似性指标的数值特征进行学习,同时采用标准粒子群算法对神经网络进行了优化,并通过优化学习后的神经网络模型计算出融合指标。多个真实网络数据集上实验表明,该算法的预测精度明显高于融合之前的各项指标,并且优于现有融合方法的精度。

关键词: 复杂网络, 链路预测, 神经网络, BP算法

Abstract:

To improve the difference existed in the link prediction accuracy and adaptability of different topology structure similarity based methods,a neural network-based link prediction algorithm,which fused similarity indices by neural network was proposed.The algorithm uses neural network to study the numerical characteristics of different similarity indices,and uses particle swarm optimization to optimize the neural network,and calculates the fusion index by the optimized neural network model.The experiment on the real network data set shows that the prediction accuracy of the algorithm is obviously higher than that before the fusion,and the accuracy is better than the existing methods.

Key words: complex network, link prediction, neural network, back propagation algorithm

中图分类号: 

[1] 曹张华,唐元生. 基于网络编码保密通信[J]. 通信学报, 2010, 31(8A): 34 -194 .
[2] 高翔,祝跃飞,刘胜利,费金龙,刘龙. 基于模糊Petri网的网络风险评估模型[J]. 通信学报, 2013, 34(Z1): 16 -132 .
[3] 杨智丹,刘克胜,陈 宇,陈建熊. 抗统计分析的ISN随机增量协议隐写算法[J]. 通信学报, 2008, 29(11A): 7 -40 .
[4] 陶承怡,马小梅. 基于信息价值链的电信运营商大数据策略研究[J]. 电信科学, 2014, 30(6): 126 -130 .
[5] 张 旻,吴春明,王 滨,姜 明. 跨域逻辑承载网映射方法研究[J]. 通信学报, 2012, 33(8): 24 -207 .
[6] 许 华,郑 辉. 对高阶QAM信号盲载波相位捕获算法的一种改进方法[J]. 通信学报, 2005, 26(8): 10 -66 .
[7] 陈文宇,曾 茹,皮 维,李 文. 基于RapidIO的GIOP协议——RIO-IOP[J]. 通信学报, 2012, 33(Z1): 10 -78 .
[8] 彭文杰,李岳衡,居美艳,黄 平,谭国平. 复合衰落信道下分布式MIMO系统下行中断概率分析[J]. 通信学报, 2014, 35(6): 21 -168 .
[9] 陆 阳,李继国. 标准模型下前向安全公钥加密方案的新构造[J]. 通信学报, 2014, 35(2): 5 -39 .
[10] 聂仁灿,周冬明,赵东风,谭颖芳. 竞争型脉冲耦合神经网络及用于多约束QoS路由求解[J]. 通信学报, 2010, 31(1): 7 -72 .