Resumen

En la actualidad, la mayoría de los algoritmos de predicción de enlaces se basan en la similitud entre dos entidades. La información topológica de la red social es una de las principales fuentes para diseñar la función de similitud entre entidades. Pero los algoritmos de predicción de enlaces existentes no aplican suficientemente la información topológica de la red. A falta de algoritmos tradicionales de predicción de enlaces, proponemos dos algoritmos mejorados: El algoritmo CNGF basado en la información local y el algoritmo KatzGF basado en la información global de la red. Para el defecto del estacionario de la red social, también proporcionamos el algoritmo de predicción de enlaces basado en la información de atributos múltiples de los nodos. Finalmente, verificamos estos algoritmos en el conjunto de datos DBLP, y los resultados experimentales muestran que el rendimiento del algoritmo mejorado es superior al del algoritmo tradicional de predicción de enlaces.

• Materias:Análisis Matemático Álgebra Ingeniería Matemática aplicada Lógica matemática
• Subjects:Mathematical Analysis Algebra Engineering Applied Mathematics Mathematical logic
• Palabras claves:información de topología de redes sociales, la mayoría de los algoritmos de predicción de enlaces, algoritmo tradicional de predicción de enlaces, algoritmos tradicionales de predicción de enlaces, red global de información, algoritmo de predicción de enlaces, algoritmos de predicción de enlaces, información de atributos múltiples, información de topología de redes, entidades
• Keywords:social network topology information, most link prediction algorithms, traditional link prediction algorithm, traditional link prediction algorithms, global information network, link prediction algorithm, link prediction algorithms, multiple attributes information, network topology information, entities