基于介数中心性的Adamic–Adar相似性模型在复杂网络中的链接预测应用

《Scientific Reports》：Betweenness centrality-based Adamic–Adar similarity for link prediction in complex networks

　　

摘要

链接预测（Link Prediction, LP）的任务是预测图中未来链接的形成，这涉及到基于现有网络结构来预测节点之间的潜在连接。LP在社交、生物和通信网络等领域发挥着重要作用，它有助于揭示复杂系统的底层结构和演化过程。Adamic–Adar（AA）指数是最广泛使用的相似性度量方法之一，因为它在捕捉局部结构模式方面简单且有效。然而，纯粹的局部相似性度量方法无法考虑节点的全球结构角色，尤其是那些作为中介连接网络中其他弱连接区域的节点。在这项研究中，我们提出了基于介数中心性的Adamic–Adar相似性度量方法（AAB），这是一种针对基于拓扑的链接预测对传统Adamic–Adar相似性度量的扩展。该方法将Adamic–Adar指数与候选终点节点的介数中心性结合起来，从而模拟了由局部邻域强化和全球结构中介作用共同驱动的链接形成机制。与主要考虑共同邻居中心性的现有中心性增强方法不同，AAB明确模型了候选终点节点本身的结构影响。我们在多个来自不同领域的真实世界网络上对该方法进行了评估，使用了接收者操作特征曲线下面积（Area Under the Receiver Operating Characteristic Curve, AUROC）和精确度-召回率曲线下面积（Area Under the Precision–Recall Curve, AUPR）作为评估指标。实验结果表明，AAB在性能上始终优于传统的Adamic–Adar指数以及几种最近的基于拓扑的链接预测方法，这突显了将局部相似性与全球结构中介作用结合起来在复杂网络中进行准确链接预测的有效性。

freeze