计算机工程

作者：李树鹏, 董继远, 刘娟

单位：贵州财经大学大数据统计学院, 贵州 贵阳 550000

关键词：有向符号网络,节点平衡性指数,链路符号预测,有监督学习,逻辑回归

基金：贵州省教育厅自然科学研究项目-高等学校青年科技人才成长项目(黔教技[2024]78号); 国家自然科学基金(12261016)

有向符号网络链路符号预测问题是网络科学领域核心问题之一, 在现实生活中的许多实际问题都可以建模为有向符号网络链路符号预测问题。结构平衡理论作为有向符号网络链路符号预测算法的主要理论支撑, 具有深远的研究意义。事实上, 现实世界的网络构成十分复杂, 并非完全符合结构平衡理论, 不同类型的网络有其独有特点。基于此, 分析影响链路符号的各项基本机理, 对反映链路符号形成的网络特征进行研究, 从每个节点出发, 定义节点平衡性指数, 并在Chiang的预测方法基础上融入节点平衡性指数相关特征, 增大特征信息量, 实现有向符号网络链路符号预测, 且在此过程中不提升计算复杂度。将所有网络特征分为三类, 通过逻辑回归模型对三类网络特征的不同组合进行训练和测试, 在真实网络数据集上的实验结果表明, 节点平衡性指数相关特征的加入能大幅提升模型的预测精度, 且模型具有较好的泛化能力。最后根据逻辑回归模型对所有涉及的网络特征进行训练和测试, 通过提出算法与目前较为先进的链路符号预测算法做实验对比, 验证其有效性。

来源：2025年第6期

《计算机工程》期刊编辑部

查看计算机工程杂志2025年第6期