基于介数中心性的Adamic–Adar相似度用于复杂网络中的链接预测
发布时间:2026-09-03 | 来源:Nature Scientific Reports | 作者:Madhusudhana Rao Baswani
链接预测(LP)任务旨在预测图中未来链接的形成,涉及基于现有网络结构预测节点间潜在连接。LP在社交、生物和通信网络等领域扮演着关键角色,有助于揭示复杂系统的潜在结构和演化过程。Adamic–Adar(AA)指数因其简洁性和捕捉局部结构模式的有效性,成为LP中最广泛使用的相似性度量之一。然而,纯局部相似性度量未能考虑节点
链接预测(LP)任务旨在预测图中未来链接的形成,涉及基于现有网络结构预测节点间潜在连接。LP在社交、生物和通信网络等领域扮演着关键角色,有助于揭示复杂系统的潜在结构和演化过程。Adamic–Adar(AA)指数因其简洁性和捕捉局部结构模式的有效性,成为LP中最广泛使用的相似性度量之一。然而,纯局部相似性度量未能考虑节点的全局结构角色,特别是那些充当桥梁、连接网络中原本弱连通区域的节点。在本研究中,我们提出了基于介数中心性的Adamic–Adar相似性度量(AAB),这是经典Adamic–Adar相似性度量在基于拓扑的链接预测中的端点中心扩展。该方法将Adamic–Adar指数与候选端点节点的介数中心性相结合,从而建模了由局部邻域强化和全局结构桥梁作用共同驱动的链接形成双重机制。与现有主要整合共同邻居中心性的中心性增强方法不同,AAB明确建模了候选端点节点自身的结构影响。该方法在来自不同领域的多个真实世界网络上,使用接收者操作特征曲线下面积(AUROC)和精确率-召回率曲线下面积(AUPR)进行评估。实验结果表明,AAB始终优于传统Adamic–Adar指数以及几种近期基于拓扑的链接预测方法,凸显了将局部相似性与全局结构桥梁作用相结合在复杂网络中准确链接预测的有效性。
返回资讯频道