噪声环境下基于互近邻技术和约束信息的链接预测方法研究

As an important direction of the complex network research, link prediction, which can not only discover the missing links and predict new links, but also help us to understand the structure characteristics and evolution mechanisms of differnent networks, has many applications in different fields. In real-world networks, the existing noises may severely reduce the accuracy and reliability of the results of link prediction. Thus, the study of link prediction under noisy enviroment is a very urgent task. Unfortunately, there are only few works to consider such circumstance so far. This project plans to employ the mutual nearest neighbors technology and constraint information to imporve the accuracy and robustness of link prediction for complex network with noises. The main contents of this project are listed as follows. (1) Analyze the corresponding influence of different kinds of noises to the results of link prediction as well as the corresponding resistibilities of existing link prediction algorithms to noises. (2) Construct the noise-filtering model based on the mutual nearest neighbors method, select the appropriate node similarity measuring method and link’s feature vector. (3) Study how to quickly determine the mutual-nearest-neighbor relationships between nodes, and how to predict new links according to these relationships. (4) Study how to actively select the constraint information for link prediction and how to integrate them into the process of link prediction. The methods which will be presented in this research can enhance the reliability of link prediction for complex network with noises. Moreover, this project will offer several theoretical supports and technical references for the applications of link prediction under noisy environment.

链接预测是复杂网络研究的重要分支，它不仅可以发现网络中丢失的链接、预测新链接的出现，而且还有助于了解网络的结构特征和进化机制，具有重要的应用价值。实际网络中，各类噪声数据的存在将严重影响预测结果的精度和可靠性，研究噪声环境下的链接预测算法已十分必要，而目前只有少量工作对此问题进行了研究。本项目针对噪声环境下的复杂网络，拟利用互近邻技术并结合约束信息研究精确的、鲁棒的链接预测算法。项目研究内容包括：分析不同噪声对链接预测结果的影响，以及现有方法对噪声的抵抗能力；建立基于互近邻技术的噪声过滤模型，筛选合适的节点相似性计算方法，选择描述链接的特征向量；研究节点间互近邻关系的快速确定方法，并根据该关系预测新的链接；研究链接预测中约束信息的主动选取技术以及约束信息在链接预测过程中的集成方法。本项目的研究成果能够提高噪声环境下链接预测结果的可靠性，为链接预测在噪声环境下的应用提供理论支持与技术参考。

链接预测是复杂网络研究中的一个重要方向，在很多问题中都具有重要的应用价值。本项目对基于节点相似性的链接预测及其相关问题进行了深入的研究。研究内容包括：（1）节点相似性度量方法，提出了一个基于核谱方法的有效的相似性度量方法。（2）基于节点相似性的链接预测算法，提出了一种基于节点连接模式相关性的链接预测方法，一种改进的局部贝叶斯模型链接预测算法和一种基于新的三角形结构的链接预测算法。（3）利用社团信息进行约束的链接预测算法，提出了一种基于社团关系强度的链接预测算法和一种基于节点的社团成员关系的链接预测算法。（4）在以前工作的基础上研究了混合多种特征的链接预测方法，提出了一种利用节点聚集系数和边聚集系数的链接预测算法和一种利用多属性决策融合多种相似性度量的链接预测算法。（5）与链接预测相关的社团检测问题，提出了一种基于混合谱方法的社团检测算法，一种基于邻居相似性的社团检测算法和一种模拟投票的凝聚层次社团检测方法。本项目超额完成了预期目标和任务。发表论文11篇，其中SCI检索8篇（其中JCR二区论文5篇， In press 1 篇），EI检索1篇（为CCF推荐C类国际会议论文），中文核心2篇；发表论文中8篇为第一作者或通讯作者；参加国内重要学术会议4次；作为硕士研究生导师招收研究生5名；参与指导课题组硕士研究生8名。