%0 Journal Article %A 杨晓翠 %A 宋甲秀 %A 张曦煌 %T 基于网络表示学习的链路预测算法 %D 2019 %R 10.3778/j.issn.1673-9418.1805029 %J 计算机科学与探索 %P 812-821 %V 13 %N 5 %X 网络是表达对象之间复杂联系的重要形式,广泛存在。而链路预测作为网络分析的重要方法,具有很大的研究意义和应用价值。传统的链路预测算法普遍是基于邻接矩阵的稀疏表示方案而设计,计算效率低且扩展性差。首先引入网络表示学习的概念,创新性地提出基于几何布朗运动的随机游走算法GbmRw,然后进一步设计出网络表示学习算法GBMLA,实现更具区分能力与表达能力的网络表示,最后以节点表示向量的欧式距离来表征节点之间的相似性,从而预测其链路存在的可能性。不同领域的多个网络中进行反复实验的结果表明,该算法较之于基于原始网络设计的传统算法,预测效果得到了明显的提升,也进一步肯定了网络表示学习对于链路预测工作的重要意义。 %U http://fcst.ceaj.org/CN/10.3778/j.issn.1673-9418.1805029