从信息学的角度分析复杂网络链路预测

摘要 链路预测作为复杂网络分析的一项重要任务，其目的是寻找节点间缺失（新）的链路，识别虚假交互，对于挖掘和分析网络的演化，重塑网络模型具有重要意义.传统的链路预测方法多数采用拓扑结构信息、节点的属性信息和图的结构特征.应用这些特征等外部信息可以得到很好的预测效果.本文从信息学的角度全面分析、回顾和讨论了复杂网络链路预测的发展现状，提出了链路预测技术和问题的系统分类.首次将分层的思想引入链路预测分类体系中，把当前的链路预测方法分为基于监督学习的技术、基于半监督学习的技术、基于无监督学习的技术和基于强化学习的技术.对每种技术的优缺点、复杂性、所使用的具体特征，开源实现及应用建议进行了详细的分析.最后，讨论了当前复杂网络链路预测技术未来的发展方向