基于聚类系数和节点中心性的链路预测算法  

Link prediction algorithm based on clustering coefficient and node centrality

作　　者：郁湧[1,3] 王莹港 罗正国 杨燕 王鑫锴 高涛 于倩 YU Yong;WANG Yinggang;LUO Zhengguo;YANG Yan;WANG Xinkai;GAO Tao;YU Qian(School of Software,Yunnan University,Kunming 650091,China;School of Education,Yunnan University of Business Management,Kunming 650033,China;Key Laboratory in Software Engineering of Yunnan Province,Kunming 650091,China)

机构地区：[1]云南大学软件学院,昆明650091 [2]云南经济管理学院教育学院,昆明650033 [3]云南省软件工程重点实验室,昆明650091

出　　处：《清华大学学报（自然科学版）》2022年第1期98-104,共7页Journal of Tsinghua University(Science and Technology)

基　　金：云南省科技厅面上项目(202001BB050063);云南省教育厅科学研究基金项目(2019J0008,2020J0002);云南省软件工程重点实验室开放项目(2020SE315)。

摘　　要：目前复杂网络领域受到越来越多人的广泛关注。其中链路预测是复杂网络研究中的一个热门的分支,被作为预测缺失链路和识别虚假链路的有效手段。传统基于相似性的复杂网络链路预测主要考虑每个节点的某个相似性指标,而该文提出一种基于聚类系数和节点中心性(CCNC)的链路预测算法,将度、聚类系数和节点中心性3个相似度指标结合,引入到复杂网络链路预测中。该算法使用度和聚类系数作为局部信息的指标,使用节点中心性表征节点在网络中的重要程度。最后,以6个真实网络为例,通过对比曲线下面积(AUC)和精确度(Precision),验证了CCNC算法的可行性和有效性。Currently,more people are becoming interested in the field of complex networks.Link prediction is a popular subdiscipline in complex networks and is used to predict missing links and identify false links.The traditional similarity-based complex network link prediction focuses on a particular similarity index of each node.This paper proposes the link prediction algorithm based on clustering coefficient and node centrality(CCNC),which combines the degree index,clustering coefficient index,and proximity centrality index into the link prediction of a complex network.This algorithm considers local information using clustering coefficient and degree by introducing proximity centrality to consider the importance of nodes in the network.Finally,using six real networks as examples,the feasibility and effectiveness of the CCNC algorithm are verified by comparing the AUC and the precision values.

关 键 词：复杂网络 链路预测 聚类系数 节点中心性 

分 类 号：TP393.0[自动化与计算机技术—计算机应用技术]