一种叠加随机游走重力模型的链路预测算法

基于局部随机游走的链路预测算法忽略网络结构对转移概率的影响,不适用于具有局部高聚集程度的网络,因此提出叠加随机游走重力模型的链路预测算法。结合局部信息重定义随机游走的转移概率矩阵,将其应用到叠加随机游走中,量化局部网络结构对游走转移的影响,利用叠加随机游走得到的转移概率重定义重力模型参数,计算节点之间的相似性。与基于局部信息、路径、随机游走和节点聚类系数的算法相比,在局部无高聚集程度的网络中,新算法的AUC指标平均为0.951,提高了1.3%,Precision指标提高了0.9%;在具有局部高聚集程度的网络中,新算法的AUC指标平均为0.978,提高了5.5%,Precision指标提高了1.4%。