Resumen

Con el rápido crecimiento de varias redes complejas, la predicción de enlaces se ha vuelto cada vez más importante porque puede descubrir la información faltante y predecir futuras interacciones entre nodos en una red. Recientemente, se han presentado los índices CAR y CCLP para la predicción de enlaces mediante información de diferentes estructuras de triángulos. Sin embargo, ambos índices pueden perder las contribuciones de algunos vecinos compartidos. En este trabajo proponemos un nuevo índice para compensar esta debilidad y así mejorar la precisión de la predicción de enlaces. El índice propuesto se centra en una nueva estructura de triángulo, es decir, el triángulo formado por un nodo semilla, un vecino común y otro nodo. Se enfatiza la importancia de estos triángulos pero no se ignora la contribución de ningún vecino común. Además, el índice propuesto adopta la teoría de asignación de recursos penalizando a los vecinos de alto grado. Los resultados de la comparación con CN, AA, RA, AD

• Materias:Big Data Restricciones distribuidas Algoritmo de inferencia Gestión administrativa
• Subjects:Big Data Distributed constraints Inference algorithm Administrative management
• Palabras claves:Crecimiento; Predicción de enlaces; Estructura de triángulo; índice; Precisión; Redes del mundo real
• Keywords:Growth; Link prediction; Triangle structure; Index; Accuracy; Real-world networks