链路预测 综述

关于链路预测 综述的思维导图，两大类型是未知链路预测：missing links、未来链路预测：future links。

链路预测 综述

• 两大类型
  • 未知链路预测：missing links
    • 相当于数据挖掘，静态的，数据集是随机抽取的
  • 未来链路预测：future links
    • 探究演化过程，动态的，数据集是按时序来的
• 研究思路&研究方法
  • 研究方法：节点相似性（使用最多的一种方法
    • 多种指标：基于邻居节点、路径、局部、整体...
    • 优点：计算方便
    • 不同指标的计算精度不一样，一定要保证网络结构特性描述准确，否则容易精度差
  • 最大似然估计
  • 概率模型
• 知识网络类型
  • 同质网络
    • 合作网络：Co-authorship network
      • 对已有指标的评估
        • 应用别人设计的指标，去测数据集，根据测试集与训练集的的结果，分析该指标的准确性
      • 指标应用：预测新的连接（动态预测）——预测可能会产生的新的连接
        • 正常链路预测
        • 异常链路发现
          • 没有预测的新连接，在实际中出现了
            • 虚假连接：不稳定、将来会消失
            • 确实存在：对网络有特殊作用，比如：对保持网络连 通性有着特别重要的贡献。需要特别注意
        • 异常间隙发现
          • 预测到的新连接，是实际中没有出现
            • 可能在不远的将来出现
            • 可能发生了变化，永远不会出现
    • 引证网络：Citation network
    • 二分网络（科学家-论文）：Bipartite network
  • 异质网络
    • 当前大部分研究都聚焦于同质网络，然而，现实中大部分的知识网络都是异质网络
• 应用价值
  • 链路分析——分析异常链路
    • 但如果通过某种方法得到一条连边存在的可信度、重要性或可能性，那么就可以用它 来预测知识的创新和发展趋势。链路预测的一个重要应用就是链路分析。
    • 针对网络中已有连接的节点对，可以用相似性指标来评价连边存在的可信度或者重要性;
    • 针对网络中还未产生连接的节点对，节点对间的相似性可以用来预测产生连边的可能性——进而提醒科学家可以去找的合作伙伴有哪些。
    • 即使在实际知识网络中没有这些连边或者是连接关系较弱，但它们对于科学家而言也是很重要的，至少可以提醒科学家是否忽略了一些具有潜在意义的知识链路。