基于聚类和决策树的链路预测方法

摘要：

链路预测是数据挖掘研究的主要问题之一.由于网络的复杂性、数据的多样性,根据网络结构及已有信息对异质网络中的不同类型的数据进行链路预测的问题也变得更加复杂.针对双类型异质信息网络,提出了一种基于聚类和决策树的链路预测方法CDTLinks.通过将网络中2种类型对象互为特征的方法得到对象的特征表示,并分别进行聚类.对于双类型异质网络提出了3种启发式规则来构建决策树,根据信息增益来选择树中不同分支.最后,根据聚簇分布结果以及决策树模型来判断任意2个不同类型节点之间是否存在链接.另外,定义了潜在链接节点并引入层数的概念,在降低算法运行时间的同时提高了准确率.在DBLP和AMiner数据集上验证了提出的CDTlinks方法,结果表明:在双类型异质网络中,CDTlinks模型能够有效地进行链路预测.

关键词：链路预测、聚类、决策树、异质信息网络、启发式规则

所属期刊栏目：54

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金项目60903098;吉林省发改委产业技术研究与开发专项2015Y055;吉林省科技厅重点科技攻关项目20150204040GXThis work was supported by the National Natural Science Foundation of China60903098;the Industry Technology Research and Development Projects of Development and Reform Commission of Jilin Province2015Y055;the Key Scientific Research Project of Department of Science of Jilin Province20150204040GX

在线出版日期：2017-09-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：1795-1803