[发明专利]一种基于贝叶斯估计和种子节点度的链路预测方法

权利要求书

1.一种基于贝叶斯估计和种子节点度的链路预测方法，其特征在于：包括以下步骤：

步骤一：建立网络模型G(V,E)，V代表网络中的节点集合，E代表网络中的连边集合，网络的节点总数记为N,用U表示网络中节点对的集合，|U|＝N(N-1)/2表示网络中节点对的总数；

步骤二：任意选取网络中的两个未连接节点x和y作为种子节点，计算它们之间存在直接连边的可能性：

其中，|E|表示网络中实际存在的连边总数，A₁表示x和y两个节点之间存在直接连边；

步骤三：计算网络中任意两个未连接节点x和y之间不存在直接连边的概率：

其中，A₀表示x和y两个节点之间不存在直接连边；

步骤四：根据节点x和y之间长度为2或者3的路径的一个中间节点V_w的度信息，计算节点x和y之间产生连边的概率：

P(A₁|V_w)＝C_w

其中，C_w＝2E_w/k_w(k_w-1),k_w表示节点V_w的度数，E_w表示节点V_w的k_w个邻居节点之间实际存在的边数；

步骤五：根据节点x和y之间长度为2或者3的路径的一个中间节点V_w的度信息，计算节点x和y之间不产生连边的概率：

P(A₀|V_w)＝1-C_w；

步骤六：根据贝叶斯估计的方法，计算节点x和y之间长度为2和3的路径的任意一个中间节点V_w的似然值

步骤七：对节点x和y之间长度为2和3的路径的每一个中间节点，重复步骤四至步骤六，计算每一个中间节点的似然值Q表示节点x和y之间长度为2和3的所有路径中的所有中间节点的数量；

步骤八：计算节点x和y的相似性分数：

其中，k_x表示节点x的度数，k_y表示节点y的度数；

步骤九：遍历整个网络，对任意两个未连接节点，重复步骤二至步骤八，计算所有未连接节点对之间的相似性分数，并按照相似性分数值从高到低排列顺序，取前B个相似性分数值对应的节点对为预测连边，其中，B为设定的一个正整数，B≤D，D为网络中所有未连接节点对的数量。