数学论文_基于模体的朴素贝叶斯链路预测方法-计算机工程

来稿应自觉遵守国家有关著作权法律法规，不得侵犯他人版权或其他权利，如果出现问题作者文责自负，而且本刊将依法追究侵权行为给本刊造成的损失责任。本刊对录用稿有修改、删节权。经本刊通知进行修改的稿件或被采用的稿件，作者必须保证本刊的独立发表权。一、投稿方式： 1、请从我刊官网直接投稿。 2、请从我编辑部编辑的推广链接进入我刊投审稿系统进行投稿。二、稿件著作权： 1、投稿人保证其向我刊所投之作品是其本人或与他人合作创作之成果，或对所投作品拥有合法的著作权，无第三人对其作品提出可成立之权利主张。 2、投稿人保证向我刊所投之稿件，尚未在任何媒体上发表。 3、投稿人保证其作品不含有违反宪法、法律及损害社会公共利益之内容。 4、投稿人向我刊所投之作品不得同时向第三方投送，即不允许一稿多投。 5、投稿人授予我刊享有作品专有使用权的方式包括但不限于：通过网络向公众传播、复制、摘编、表演、播放、展览、发行、摄制电影、电视、录像制品、录制录音制品、制作数字化制品、改编、翻译、注释、编辑，以及出版、许可其他媒体、网站及单位转载、摘编、播放、录制、翻译、注释、编辑、改编、摄制。 6、第5条所述之网络是指通过我刊官网。 7、投稿人委托我刊声明，未经我方许可，任何网站、媒体、组织不得转载、摘编其作品。

数学论文_基于模体的朴素贝叶斯链路预测方法

作者:

关键词:

摘要：

文章摘要:大量具有模体特征的网络如食物链网络、社交网络中含有模体结构。局部朴素贝叶斯模型（LNB）通过准确区分每个共邻节点的贡献来提高链路预测精度，却忽略了每个共邻节点所在路径贡献的不同，同时忽略了网络中模体结构对链路形成的作用。针对LNB模型的不足及其在具有模体特征的网络中的局限性，提出一种基于模体的朴素贝叶斯链路预测方法（MLNB）。该方法首先基于路径结构上模体的聚集程度对模体密度进行量化；然后根据模体密度对待测连边的影响定义了每条路径的角色贡献函数，实现了路径贡献的量化计算；最后结合朴素贝叶斯思想和路径贡献函数推导出节点相似性指标。实验结果表明，在模体特征明显的网络上，该方法相较次优的基准指标AUC值提升了2%～7%，能有效提高预测性能，具有良好的鲁棒性。

文章关键词: