计算机应用

作者：陈广福, 王海波, 连雁平

单位：1.武夷学院 数学与计算机学院, 福建 武夷山 354300；2.认知计算与智能信息处理福建省高校重点实验室(武夷学院), 福建 武夷山 354300；3.湖南科技学院 信息工程学院, 湖南 永州 425199

关键词：有向复杂网络,链路预测,协同过滤,有向结构,随机游走

基金：武夷学院引进人才科研启动基金资助项目(YJ202017)

针对大部分现存有向网络链路预测方法仅关注有向局部结构及互惠链接信息而忽略有向全局结构的问题，提出高阶自包含协同过滤(HSCF)链路预测框架。首先，利用随机游走方法计算高阶相似度矩阵去保持有向网络的高阶路径信息；其次，将高阶相似度矩阵与协同过滤方法相融合构建HSCF框架；最后，把所提框架分别与有向共同邻居(DCN)、有向Adamic-Adar(DAA)、有向资源分配(DRA)和势能理论Bifan 4个典型有向结构相似度相融合，并由此提出HSCF-DCN、HSCF-DAA、HSCF-DRA和HSCF-Bifan 4个有向网络预测指标。在10个真实有向网络上的实验结果表明，与基准指标相比，HSCF-DCN、HSCF-DAA、HSCF-DRA和HSCF-Bifan的受试者工作特征（ROC）曲线下方面积（AUC）值分别平均提高了8.16%、8.85%、9.64%和10.33%，且F分数值分别平均提高了66.62%、68.32%、68.95%和76.18%。

来源：2022年第10期

《计算机应用》期刊编辑部

查看计算机应用杂志2022年第10期