软件学报

作者：康驻关，金福生，王国仁

单位：康驻关，北京理工大学 计算机学院, 北京 10008111,金福生，北京理工大学 计算机学院, 北京 10008102,王国仁，北京理工大学 计算机学院, 北京 10008103

关键词：动态网络;链接预测;高阶网络结构;图机器学习

基金：国家自然科学基金（61732003，61025007，60933001）；国家重点研发计划（2020AAA0108500）；广东省重点研发计划（2020B010164002）；北京市科技重大专项（Z171100005117002）

高阶链接预测是当前网络分析研究的热点和难点，一个优秀的高阶链接预测算法不仅可以挖掘出复杂网络中节点间存在的潜在联系，还有助于认识网络结构随时间演化的规律，对于探索未知的网络关系有着重要的作用.大多数传统的链接预测算法仅考虑节点间的结构相似性特征，而忽略高阶结构的特性以及网络变化的信息.提出一种基于Motif聚集系数与时序划分的高阶链接预测模型（MTLP模型），该模型通过提取网络中高阶结构的Motif聚集系数特征和网络结构演变等特征，将其构建成可表示性特征向量，并使用多层感知器网络模型进行训练完成链接预测任务.该模型能够同时结合网络中高阶结构的聚集特征与网络结构演变信息，从而改善预测效果.通过在不同的数据集上进行实验，其结果表明，所提出的MTLP模型具有更好的高阶链接预测性能.

来源：2021年第3期

《软件学报》期刊编辑部

查看软件学报杂志2021年第3期