文献类型：期刊文章

作　　者：钱榕[1,2] 许建婷[2] 张克君[1,2] 董宏宇[1] 邢方远[1]

QIAN Rong;XU Jianting;ZHANG Kejun;DONG Hongyu;XING Fangyuan(Department of Cyberspace Security,Beijing Electronic Science and Technology Institute,Beijing 100070,China;College of Computer Science and Technology,Xidian University,Xi’an 710071,China)

机构地区：[1]北京电子科技学院网络空间安全系,北京100070 [2]西安电子科技大学计算机科学与技术学院,陕西西安710071

出　　处：《通信学报》

基　　金：国家重点研发计划基金资助项目(No.2018YFB1004101)。

年　　份：2022

卷　　号：43

期　　号：5

起止页码：214-225

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD2021_2022、EAPJ、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：为了解决异质网络的结构信息和语义信息挖掘不全面的问题,针对异质网络的链接预测,提出了将基于元路径的分析方式与隐马尔可夫模型相结合的链接预测方法。考虑到聚簇可以有效地捕获异质网络的结构信息,将k-means算法进行改进得到基于距离均方差最小的初始聚簇中心方法,并将其应用到隐马尔可夫模型(HMM)中,设计了基于聚簇的一阶隐马尔可夫模型(C-HMM(1))的链接预测方法,同时提出基于聚簇的二阶隐马尔可夫模型(C-HMM(2))的异质网络的链接预测方法。进一步考虑数据的特征信息,提出了将最大熵模型和二阶隐马尔可夫模型相结合的链接预测方法ME-HMM。实验结果表明,ME-HMM比C-HMM方法的链接预测精确度更高,且ME-HMM因充分考虑到数据的特征信息比C-HMM的性能更加优异。

关 键 词：异质网络 链接预测 隐马尔可夫模型 聚簇 最大熵

分 类 号：TP181]