曹紅艷，許小可，許 爽

(大連民族大學(xué)信息與通信工程學(xué)院 遼寧 大連 116600)

隨著科學(xué)研究的迅猛發(fā)展和數(shù)據(jù)分析技術(shù)的應(yīng)用，“科學(xué)學(xué)”已經(jīng)成為近年來國內(nèi)外研究的熱點[1-2]。其中，由于科學(xué)家合作網(wǎng)絡(luò)是科研活動組織與科學(xué)信息傳播的重要結(jié)構(gòu)基礎(chǔ)，因此受到科研學(xué)者的廣泛關(guān)注[3]。在此情況下，科學(xué)家合作網(wǎng)絡(luò)中的合作形成以及合作權(quán)重預(yù)測就成為很有意義的研究課題，對應(yīng)網(wǎng)絡(luò)科學(xué)中的科學(xué)問題為鏈路預(yù)測[4]和權(quán)重預(yù)測[5]。通過對科學(xué)家合作網(wǎng)絡(luò)的定量分析，可以辨識科學(xué)家在合作網(wǎng)絡(luò)中的角色、了解他們之間的合作模式并預(yù)測他們學(xué)術(shù)合作的可持續(xù)性和合作強度。本文基于多個實證科學(xué)家合作網(wǎng)絡(luò)的多模體特征對科學(xué)家合作進行預(yù)測，旨在預(yù)測網(wǎng)絡(luò)中的科學(xué)家之間未來合作的可能性，及其合作的強度。

鏈路預(yù)測是通過網(wǎng)絡(luò)中部分節(jié)點以及它們之間的結(jié)構(gòu)信息，預(yù)測網(wǎng)絡(luò)中任意兩個節(jié)點之間存在連接的可能性[6]。近年來，基于網(wǎng)絡(luò)結(jié)構(gòu)相似性的鏈路預(yù)測方法引起了學(xué)者們的廣泛關(guān)注。文獻[7]提出了基于網(wǎng)絡(luò)拓撲結(jié)構(gòu)的相似性預(yù)測方法，并發(fā)現(xiàn)在科學(xué)家合作網(wǎng)中使用節(jié)點的共同鄰居(common neighbors, CN)和Adamic-Adar(AA)指標進行預(yù)測的準確性最好[8]。文獻[9]提出了使預(yù)測準確性更高的資源分配(resource allocation, RA)指標和局部路徑(local path, LP)指標。文獻[10]將局部隨機游走應(yīng)用于鏈路預(yù)測，進一步提高了預(yù)測的準確性。近年來，人們將機器學(xué)習(xí)方法應(yīng)用于鏈路預(yù)測問題，綜合性使用多種特征大大提高了鏈路預(yù)測的準確性[11]。以上方法大都僅能應(yīng)用于無權(quán)網(wǎng)絡(luò)的鏈路預(yù)測中，在加權(quán)網(wǎng)絡(luò)鏈路預(yù)測中，文獻[12]提出了3 個基于無權(quán)網(wǎng)絡(luò)的經(jīng)典相似性CN、AA 和RA的加權(quán)形式指標，分別是WCN、WAA 和WRA。

權(quán)重預(yù)測是預(yù)測兩個節(jié)點之間連接的權(quán)重。在現(xiàn)實世界中的許多網(wǎng)絡(luò)都是加權(quán)網(wǎng)絡(luò)，在不同的網(wǎng)絡(luò)中權(quán)重通常代表不同的含義。如在航空網(wǎng)絡(luò)中，連邊權(quán)重代表航班數(shù)量；在社交網(wǎng)絡(luò)中，連邊權(quán)重代表朋友間的親密程度；在科學(xué)家合作網(wǎng)中，連邊權(quán)重代表作者與作者之間的合作強度。連邊的權(quán)重預(yù)測是一個較新的研究主題，科研人員提出了一些有效的預(yù)測算法。文獻[13]提出了一種基于局部網(wǎng)絡(luò)結(jié)構(gòu)(分析節(jié)點的鄰居集合結(jié)構(gòu))的權(quán)重預(yù)測方法，此方法在鏈接存在或不存在的情況下都可以使用，且可以比線性相關(guān)方法更準確地預(yù)測權(quán)重。文獻[5]提出了“可靠路線”策略來預(yù)測網(wǎng)絡(luò)中的連邊和權(quán)重，將未加權(quán)的局部相似性指數(shù)擴展到加權(quán)的網(wǎng)絡(luò)中，稱為rWCN、rWAA 和rWRA，使用這些指標計算出相似性得分，取得了較好的預(yù)測效果。

目前科學(xué)家合作網(wǎng)絡(luò)中的鏈路預(yù)測和權(quán)重預(yù)測算法中，基于拓撲結(jié)構(gòu)的相似性指標往往僅關(guān)注了科學(xué)合作的傳遞性結(jié)構(gòu)(三角形關(guān)系)，將這類指標應(yīng)用于科學(xué)家合作的預(yù)測中，只對應(yīng)了一種科學(xué)家之間的合作模式，而忽略了科學(xué)家之間存在的其他合作模式及多種合作模式的組合，這些合作模式可以表達為模體或子圖。模體的概念最早是由文獻[14]提出，定義為實際網(wǎng)絡(luò)中出現(xiàn)的頻次遠遠高于其對應(yīng)隨機網(wǎng)絡(luò)的子圖[15]。模體基于微觀結(jié)構(gòu)刻畫了真實網(wǎng)絡(luò)中局部相互作用的合作模式，并自下而上自組織構(gòu)成網(wǎng)絡(luò)整體結(jié)構(gòu)[3]。

綜上所述，本文在研究通用三角關(guān)系一種模體結(jié)構(gòu)特征預(yù)測基礎(chǔ)上，又利用了科學(xué)家合作網(wǎng)中其他7 種合作模式，即8 種模體結(jié)構(gòu)進行合作預(yù)測。研究中通過提取科學(xué)家合作網(wǎng)中的單模體特征和多模體特征統(tǒng)計量，并采用機器學(xué)習(xí)算法對特征進行分析計算，實現(xiàn)網(wǎng)絡(luò)中科學(xué)家之間合作的可能性及其合作強度的鏈路預(yù)測和權(quán)重預(yù)測，取得了較好的預(yù)測性能。

1 問題描述及評價指標

1.1 問題描述

本文使用的多個科學(xué)家合作網(wǎng)絡(luò)為加權(quán)無向網(wǎng)絡(luò)，形式為G(V,E,W)，其中 V、E 和 W分別是網(wǎng)絡(luò)中的節(jié)點集合、連邊集合和權(quán)重集合。網(wǎng)絡(luò)中每條連邊由(x,y)表示，且(x,y)∈E，每條連邊的權(quán)重由wxy表示。由于本文使用的都是無向網(wǎng)絡(luò)，所以wxy=wyx。數(shù)據(jù)集被隨機劃分成訓(xùn)練集 ET和測試集EV兩部分，其中ET∪EV=E ，ET∩EV=?。

1.2 評價指標

1) 鏈路預(yù)測評價指標AUC

衡量鏈路預(yù)測算法性能的指標有3 種，分別是AUC、精確度(precision)和排序分(ranking score)，它們的側(cè)重點各不相同。其中，AUC 可以從整體上衡量算法的精確度而得到最廣泛的使用[6]，因此本文采用該指標衡量不同算法鏈路預(yù)測的準確性。在鏈路預(yù)測算法中，計算出所有測試集兩兩節(jié)點間的相似度得分之后，AUC 指標可以描述為如下形式：每次從測試集中隨機選取一條存在的邊(x,y)，然后隨機選取一條不存在的邊(x1,y1)，比較這兩條邊的相似度得分，如果邊(x,y)的分數(shù)大于邊(x1,y1)的分數(shù)，則加1 分；如果兩條邊的分數(shù)相等，則加0.5 分。獨立比較n 次，如果有 n′次邊(x,y)的分數(shù)值大于邊(x1,y1)的分數(shù)值，有 n′′次兩條邊的分數(shù)值相等，則AUC 值可以定義為：

通常，上述評分算法計算出的AUC 值應(yīng)該至少大于0.5。AUC 的值越高，算法的精確度越高，但AUC 的值最高不會超過1。

2) 合作權(quán)重預(yù)測評價指標RMSE

科學(xué)家合作網(wǎng)絡(luò)是被用于研究科學(xué)學(xué)的主要途徑[1]，合作權(quán)重是科學(xué)家網(wǎng)絡(luò)中的重要特征之一。本文使用均方根誤差作為合作權(quán)重預(yù)測評價指標。它亦被稱為標準誤差，是真實值與預(yù)測值之間差值的平方與樣本數(shù)n 比值的平方根，具體定義為：

2 預(yù)測方法

2.1 基于共同鄰居加權(quán)特征的預(yù)測方法

1) 加權(quán)CN 指標(WCN)：

式中， z 為x 和y的共同鄰居； wxz表示連接節(jié)點x和z之間連邊的權(quán)重值； wyz表示連接節(jié)點y和z的邊的權(quán)重值。如果所有邊權(quán)重都等于1，那么上述指標都等價于無權(quán)的CN 指標。

2) 加權(quán)AA 指標(WAA)：

3) 加權(quán)RA 指標(WRA)：

WRA 是WCN 的另外一種加權(quán)形式。

基于共同鄰居加權(quán)特征的科學(xué)家合作預(yù)測主要提取測試集數(shù)據(jù)的上述指標，將指標得分視為數(shù)據(jù)集中可能存在連邊的相似度得分，通過相關(guān)的評價指標衡量預(yù)測的準確性。

2.2 基于可靠路線加權(quán)特征的預(yù)測方法

在先前研究中，只有少數(shù)的預(yù)測算法被擴展到了加權(quán)網(wǎng)絡(luò)，而且大多數(shù)只考慮了網(wǎng)絡(luò)的拓撲結(jié)構(gòu)，很少充分利用連邊的權(quán)重信息。受通信網(wǎng)絡(luò)中可靠路線問題的解決方案的啟發(fā)，文獻[5]提出了可靠路線策略方法來預(yù)測網(wǎng)絡(luò)中的連邊和權(quán)重，將未加權(quán)的局部相似性指數(shù)擴展到加權(quán)網(wǎng)絡(luò)中，并使用這些指標計算出相似性得分，取得了較高的準確性。

1) 可靠路線加權(quán)CN 指標(rWCN)：

2) 可靠路線加權(quán)AA 指標(rWAA)：

3) 可靠路線加權(quán)RA 指標(rWRA)：

基于可靠路線加權(quán)特征的預(yù)測方法是從已知的訓(xùn)練集 ET和測試集 EV得到它們的加權(quán)鄰接矩陣WT和 WV，提取測試集中的上述指標得到連邊相似度分數(shù)，由 SV表示。然后考慮到線性相關(guān)性，引入一個自由參數(shù)λ，定義預(yù)測函數(shù)為F(WT)=λ·SV，通過最小化預(yù)測函數(shù)與WV之間的差來確定λ：

式中， ∥·∥為Frobenius 范數(shù)。最后通過相關(guān)的評價指標來衡量預(yù)測的準確性。

2.3 基于模體特征的預(yù)測方法

基于共同鄰居和可靠路線的加權(quán)網(wǎng)絡(luò)鏈路預(yù)測方法都是基于網(wǎng)絡(luò)的傳遞特性(分析三角形模體)。在基于模體特征的預(yù)測方法中，共涉及8 個模體特征，分別為2 個三節(jié)點模體和6 個四節(jié)點模體，它們代表了科學(xué)家合作網(wǎng)中的8 種合作模式。所有的模體編號、圖示和合作模式如表1 所示[3]，其中(a,b)為待預(yù)測連邊。

表1 模體對應(yīng)的科學(xué)家合作模式

基于模體特征的科學(xué)家合作預(yù)測主要是提取訓(xùn)練集和測試集的模體特征，將每種模體的數(shù)量作為特征值，科學(xué)家之間是否合作作為機器學(xué)習(xí)的分類標簽、科學(xué)家之間合作的強度作為回歸的預(yù)測值，得到預(yù)測結(jié)果后使用相關(guān)評價指標衡量預(yù)測的準確性。圖1 為基于模體特征的科學(xué)家合作預(yù)測的具體過程。

圖1 基于模體特征的科學(xué)家合作預(yù)測

如圖1 所示，圖1a 為一個7 節(jié)點的小網(wǎng)絡(luò)圖，邊(x,y)為待預(yù)測連邊。圖1b 以模體特征3_2、4_4 和4_5 為例說明科學(xué)家合作預(yù)測的主要過程。如圖1b 所示，分別計算模體特征3_2、4_4 和4_5在圖1a 中的個數(shù)。模體特征3_2 的計算方法為尋找節(jié)點x和 y的共同鄰居數(shù)。模體特征4_4 的計算方法為尋找節(jié)點x 和y的除去共同鄰居節(jié)點的各自鄰居節(jié)點，將節(jié)點x 和y的各自鄰居節(jié)點進行組合，其中鄰居節(jié)點之間在網(wǎng)絡(luò)中存在連邊的記為1，最終將所有連邊記為1 的累加求和。其他特征的計算方法依次類推。通過計算得出模體特征3_2 的個數(shù)為2，模體特征4_4 的個數(shù)為1，模體特征4_5 的個數(shù)為1。

在進行科學(xué)家合作預(yù)測時，可以將這些模體中的每一種模體的數(shù)量值單獨作為機器學(xué)習(xí)方法的輸入。也可以將圖1b 中的3 種模體在拓撲結(jié)構(gòu)上進行組合，即S3_2+S4_4+S4_5，形成如圖1c 所示的結(jié)構(gòu)，計算圖1c 中所涉及的3 種模體在圖1a 小網(wǎng)絡(luò)中的數(shù)量，并將得到的模體3_2、4_4 和4_5 的這3 種模體的數(shù)量作為機器學(xué)習(xí)方法的輸入。還可以將所有8 種模體的數(shù)量都作為特征值作為機器學(xué)習(xí)方法的輸入，從而得到連邊的相似度得分或連邊權(quán)重。

3 科學(xué)家合作預(yù)測

3.1 數(shù)據(jù)說明

本文使用了常用的4 個科學(xué)家合作網(wǎng)絡(luò)進行鏈路預(yù)測與合作權(quán)重預(yù)測。

1) netscience 是一個從事網(wǎng)絡(luò)理論和實驗的科學(xué)家之間的加權(quán)合作網(wǎng)絡(luò)，包括1 461 個節(jié)點，2 742條連邊。其中，節(jié)點代表網(wǎng)絡(luò)中的科學(xué)家，連邊代表兩位科學(xué)家有合作關(guān)系。

2) geom 是一個計算幾何領(lǐng)域的科學(xué)家之間的加權(quán)合作網(wǎng)絡(luò)，包括6 158 個節(jié)點，11 898 條連邊，權(quán)重代表兩位科學(xué)家合作的次數(shù)[16]。

3) hepth 是1995 年1 月1 日?1999 年12 月31日期間在高能物理領(lǐng)域上發(fā)布預(yù)印本論文的科學(xué)家之間的加權(quán)網(wǎng)絡(luò)，包括7 610 個節(jié)點，15 751 條連邊。

4) condmat 是1995 年?1999 年在凝聚態(tài)物理領(lǐng)域上發(fā)布預(yù)印本論文的科學(xué)家之間的加權(quán)合作網(wǎng)絡(luò)，包括16 264 個節(jié)點，47 594 條連邊。

數(shù)據(jù)netscience、hepth 和condmat 來自于參考文獻[17]，其中連接的權(quán)重代表科學(xué)家合作的強度[18]。其權(quán)重的具體計算公式為：

為了比較權(quán)重預(yù)測問題時不同網(wǎng)絡(luò)的預(yù)測結(jié)果，所有鏈路權(quán)重均在區(qū)間[0,1]上進行歸一化處理。具體的歸一化方法為：

式中， w 為原始權(quán)重值； w?為歸一化后的權(quán)重值。

3.2 XGBoost 機器學(xué)習(xí)方法

XGBoost 是Extreme Gradient Boosting 的簡稱，它是Gradient Boosting Machine 的一個C++實現(xiàn)。XGBoost 最大的特點，它能夠自動利用CPU 的多線程進行并行，同時在算法上加以改進提高了精度[19]。XGBoost 是一種基于GBDT 原理的改進算法，與普通的GBDT 僅使用一階導(dǎo)數(shù)信息不同，XGBoost 對損失函數(shù)做了二階泰勒展開，并在目標函數(shù)中加入了正則項，減少過度擬合。除了與GBDT模型的理論差異外，XGBoost 還具有以下優(yōu)勢：速度快、可移植、少寫代碼、可容錯。

本文利用XGBoost 機器學(xué)習(xí)算法實現(xiàn)特征統(tǒng)計量的計算，實驗中首先讀取訓(xùn)練集和測試集的數(shù)據(jù)，將訓(xùn)練集的數(shù)據(jù)按9∶1 的比例劃分為訓(xùn)練集和驗證集，并讀取劃分后的訓(xùn)練集、驗證集和測試集的特征值；然后利用XGBoost 機器學(xué)習(xí)方法建立基于訓(xùn)練集的模型，最終通過建立的模型實現(xiàn)測試集中的鏈路和權(quán)重預(yù)測。

3.3 科學(xué)家合作鏈路預(yù)測

本文使用上述4 個科學(xué)家合作網(wǎng)絡(luò)進行實驗驗證。對于每個網(wǎng)絡(luò)，選取90%的數(shù)據(jù)作為訓(xùn)練集ET，選取10%的存在邊作為測試集 EV中的正樣本，從不存在的邊中去構(gòu)建負樣本，最終讓測試集滿足正負樣本1:1 的比例。然后基于單個模體特征和多模特特征(所有8 個模體)進行鏈路預(yù)測，得到評價指標AUC 的值，如表2 所示，單個模體特征的最好預(yù)測性能和多模體特征的預(yù)測效果加粗標出。

表2 基于模體特征的鏈路預(yù)測結(jié)果(AUC)

由表2 可以發(fā)現(xiàn)，使用單模體特征進行鏈路預(yù)測時，模體特征3_2 的預(yù)測準確率最高。說明在科學(xué)家合作網(wǎng)絡(luò)中，如果兩位科學(xué)家同時與第三位科學(xué)家有合作，那么這兩位科學(xué)家有合作的概率比較大。模體特征3_2 從結(jié)構(gòu)上看可以表示為計算節(jié)點的共同鄰居數(shù)量，也是聚類系數(shù)的一種表達，與WCN、WAA、WRA 和rWCN、rWAA、rWRA 在拓撲結(jié)構(gòu)上一樣，說明上述方法僅僅是一種模體的加權(quán)形式。這類方法最大的缺陷是沒有考慮到其他模體，即科學(xué)家合作的其他方式，本文綜合多個模體特征進行預(yù)測，在表2 中發(fā)現(xiàn)多模體特征的預(yù)測效果比單模體特征的最好預(yù)測效果高5.0%～10.8%，說明綜合科學(xué)家之間的多種合作模式進行鏈路預(yù)測效果更好。

在鏈路預(yù)測中，還將多模體特征鏈路預(yù)測的結(jié)果與基于共同鄰居加權(quán)特征的預(yù)測方法(WCN、WAA 和WRA)，和基于可靠路線加權(quán)特征的預(yù)測方法(rWCN、rWAA 和rWRA)進行了比較，其結(jié)果如表3 所示，其中預(yù)測效果最好的方法加粗標出。

表3 3 類方法的鏈路預(yù)測結(jié)果(AUC)

表3 為使用3 類不同方法進行鏈路預(yù)測的AUC結(jié)果對比，分析表3 中的數(shù)據(jù)可以發(fā)現(xiàn)，多模體特征的預(yù)測準確率比共同鄰居和可靠路線策略的最高預(yù)測準確率提高了4.9%～8.9%。在與傳統(tǒng)方法對比的基礎(chǔ)上，以netscience 網(wǎng)絡(luò)為例，在8 種模體特征中選取部分特征進行組合，然后進行鏈路預(yù)測，其結(jié)果如圖2 所示。通過圖2 可以發(fā)現(xiàn)預(yù)測效果最好的為多模體特征，說明在科學(xué)家合作網(wǎng)絡(luò)中使用多模體特征(即結(jié)合科學(xué)家之間多種合作模式)，進行鏈路預(yù)測能夠有效提高預(yù)測的準確性。

在鏈路預(yù)測問題中，還對8 種模體特征進行了皮爾遜相關(guān)性分析，結(jié)果如圖3 所示。從圖3 可以發(fā)現(xiàn)特征被分為兩個不同的集合，第一個集合包括特征3_1、4_3、4_2 和4_1，它們之間有較強的相關(guān)性，是因為它們只關(guān)注待預(yù)測連邊中兩個節(jié)點的各自鄰居節(jié)點之間的結(jié)構(gòu)。第二個集合包括特征3_2、4_6、4_5 和4_4，它們之間同樣具有比較強的相關(guān)性，是因為它們大多數(shù)關(guān)注待預(yù)測連邊中節(jié)點的共同鄰居之間的關(guān)系。

圖2 鏈路預(yù)測的特征選擇方法性能比較

圖3 鏈路預(yù)測模體特征的相關(guān)性分析

3.4 科學(xué)家合作權(quán)重預(yù)測

除了使用上述4 個網(wǎng)絡(luò)進行鏈路預(yù)測算法比較，本文也使用這些數(shù)據(jù)進行合作權(quán)重預(yù)測。權(quán)重預(yù)測可以抽象為機器學(xué)習(xí)中的回歸問題，在本文已知兩位科學(xué)家有合作關(guān)系的前提下進行。對于每個網(wǎng)絡(luò)，將數(shù)據(jù)集隨機按9:1 的比例分為訓(xùn)練集 ET和測試集 EV。然后基于單模體特征和多模體特征進行權(quán)重預(yù)測，得到評價指標RMSE 的值，如表4所示。單模體特征的最好預(yù)測效果和多模體特征的最好預(yù)測結(jié)果已加粗標出。

通過表4 可以發(fā)現(xiàn)，使用單模體特征進行合作權(quán)重預(yù)測時，其預(yù)測效果最好的單個模體特征在不同的科學(xué)家合作網(wǎng)絡(luò)中是不一樣的，在netscience和hepth 兩組數(shù)據(jù)中預(yù)測效果最好的單模體特征為特征3_2，這與在鏈路預(yù)測中的結(jié)果是相同的。另兩組數(shù)據(jù)geom 和condmat 中預(yù)測效果最好的單模體特征分別為特征4_5 和特征4_6。通過對模體特征拓撲結(jié)構(gòu)的分析發(fā)現(xiàn)，這兩個特征在拓撲結(jié)構(gòu)上可以看作為特征3_2 的組合，所以在權(quán)重預(yù)測問題中，預(yù)測效果最好的模體特征可以視為特征3_2 以及該特征的組合。在每個網(wǎng)絡(luò)中多模體特征的預(yù)測準確率比單模體特征的最好預(yù)測性能高7.1%～25.2%，說明結(jié)合科學(xué)家多種合作模式進行權(quán)重預(yù)測效果更好。

表4 基于模體特征的合作權(quán)重預(yù)測結(jié)果(RMSE)

在合作權(quán)重預(yù)測中，本文同樣將多模體特征的預(yù)測結(jié)果與基于共同鄰居加權(quán)特征的預(yù)測方法(WCN、WAA 和WRA)，和基于可靠路線加權(quán)特征的預(yù)測方法(rWCN，rWAA 和rWRA)進行了對比，結(jié)果如表5 所示，其中最好的預(yù)測效果已加粗標出。

表5 3 類方法的權(quán)重預(yù)測結(jié)果(RMSE)

表5 表示的是使用3 類不同方法進行權(quán)重預(yù)測的RMSE 結(jié)果對比。分析表5 中的結(jié)果可發(fā)現(xiàn)，多模體特征的合作權(quán)重預(yù)測準確率比其他兩類預(yù)測方法的最高準確率提高了25.8%～59.6%。

在權(quán)重預(yù)測中，同樣以netscience 網(wǎng)絡(luò)為例，在8 種模體特征中選取部分特征進行組合，然后進行權(quán)重預(yù)測，其結(jié)果如圖4 所示。通過圖4 可以發(fā)現(xiàn)預(yù)測效果最好的同樣為多模體特征，說明使用多模體特征的權(quán)重預(yù)測方法可大幅提高其預(yù)測準確率。

在權(quán)重預(yù)測問題中，同樣使用皮爾遜相關(guān)性分析法對8 種模體特征進行了相關(guān)性分析，結(jié)果如圖5 所示。從圖5 可以看出模體特征3_1、4_1、4_3 和4_2 同樣具有強相關(guān)性；此外，模體特征3_2 和4_6 具有強相關(guān)性，主要是因為是模體特征4_6 是3_2 拓撲結(jié)構(gòu)特征的組合，模體特征4_4 和4_5 與其他特征之間都是相互獨立的，幾乎沒有相關(guān)性。

圖4 權(quán)重預(yù)測的特征選擇方法性能比較

圖5 權(quán)重預(yù)測模體特征的相關(guān)性分析

3.5 鏈路預(yù)測與權(quán)重預(yù)測結(jié)果對比分析

分析表3 和表5 的數(shù)據(jù)發(fā)現(xiàn)，在合作鏈路預(yù)測和權(quán)重預(yù)測中，多模體特征預(yù)測方法的準確率比其他預(yù)測方法的準確率要高，說明結(jié)合多種科學(xué)家之間的合作模式進行鏈路和權(quán)重預(yù)測可有效提高預(yù)測的準確率。對比鏈路預(yù)測和權(quán)重預(yù)測兩項預(yù)測的單模體特征預(yù)測結(jié)果(表2 和表4)，可以發(fā)現(xiàn)在鏈路預(yù)測中，預(yù)測效果最好的單模體特征是模體特征3_2。在權(quán)重預(yù)測中，預(yù)測效果最好的單模體特征分別為特征3_2、4_5 和4_6，其中模體特征4_5和4_6 在拓撲結(jié)構(gòu)上可以看作多個模體特征3_2 的組合，所以綜合以上結(jié)果，在使用單模體特征進行鏈路預(yù)測和權(quán)重預(yù)測時，預(yù)測效果最好為模體特征3_2。從結(jié)構(gòu)上看，模體特征3_2 可以表示為計算節(jié)點的共同鄰居數(shù)量，也是聚類系數(shù)的一種表達?；诠餐従蛹訖?quán)特征的預(yù)測方法和基于可靠路線加權(quán)特征的預(yù)測方法也是基于模體特征3_2，說明所依賴的拓撲結(jié)構(gòu)這兩種方法是一致的?；诙嗄ｓw的預(yù)測相對于上述兩種方法，最大的優(yōu)勢是綜合利用了多個模體特征。

4 結(jié) 束 語

本文提出了使用多模體特征進行科學(xué)家合作鏈路和權(quán)重預(yù)測的方法，涉及了8 種不同的科學(xué)家之間的合作模式，用來解決經(jīng)典預(yù)測方法在拓撲結(jié)構(gòu)上僅僅利用的單一的科學(xué)家合作模式的問題，并在不同的網(wǎng)絡(luò)上進行相關(guān)實驗驗證。實驗結(jié)果表明，結(jié)合多個模體特征進行科學(xué)家合作預(yù)測可以有效提高預(yù)測的準確率，并可有效分析不同合作模式對于預(yù)測結(jié)果的影響。本文研究有助于預(yù)測出科學(xué)家合作的可能性及其合作權(quán)重，進而挖掘科研合作網(wǎng)絡(luò)的結(jié)構(gòu)特性對科研產(chǎn)出和科研影響力的影響。在后續(xù)研究中，將在模體特征的基礎(chǔ)上引入權(quán)重信息，即利用模體的結(jié)構(gòu)特征和權(quán)重信息進行更準確的預(yù)測。