• 中国精品科技期刊
  • CCF推荐A类中文期刊
  • 计算领域高质量科技期刊T1类
高级检索

一种基于博弈论的时序网络链路预测方法

刘留, 王煜尧, 倪琦瑄, 曹杰, 卜湛

刘留, 王煜尧, 倪琦瑄, 曹杰, 卜湛. 一种基于博弈论的时序网络链路预测方法[J]. 计算机研究与发展, 2019, 56(9): 1953-1964. DOI: 10.7544/issn1000-1239.2019.20180842
引用本文: 刘留, 王煜尧, 倪琦瑄, 曹杰, 卜湛. 一种基于博弈论的时序网络链路预测方法[J]. 计算机研究与发展, 2019, 56(9): 1953-1964. DOI: 10.7544/issn1000-1239.2019.20180842
shu
Liu Liu, Wang Yuyao, Ni Qixuan, Cao Jie, Bu Zhan. A Link Prediction Approach in Temporal Networks Based on Game Theory[J]. Journal of Computer Research and Development, 2019, 56(9): 1953-1964. DOI: 10.7544/issn1000-1239.2019.20180842
Citation: Liu Liu, Wang Yuyao, Ni Qixuan, Cao Jie, Bu Zhan. A Link Prediction Approach in Temporal Networks Based on Game Theory[J]. Journal of Computer Research and Development, 2019, 56(9): 1953-1964. DOI: 10.7544/issn1000-1239.2019.20180842
shu
刘留, 王煜尧, 倪琦瑄, 曹杰, 卜湛. 一种基于博弈论的时序网络链路预测方法[J]. 计算机研究与发展, 2019, 56(9): 1953-1964. CSTR: 32373.14.issn1000-1239.2019.20180842
引用本文: 刘留, 王煜尧, 倪琦瑄, 曹杰, 卜湛. 一种基于博弈论的时序网络链路预测方法[J]. 计算机研究与发展, 2019, 56(9): 1953-1964. CSTR: 32373.14.issn1000-1239.2019.20180842
shu
Liu Liu, Wang Yuyao, Ni Qixuan, Cao Jie, Bu Zhan. A Link Prediction Approach in Temporal Networks Based on Game Theory[J]. Journal of Computer Research and Development, 2019, 56(9): 1953-1964. CSTR: 32373.14.issn1000-1239.2019.20180842
Citation: Liu Liu, Wang Yuyao, Ni Qixuan, Cao Jie, Bu Zhan. A Link Prediction Approach in Temporal Networks Based on Game Theory[J]. Journal of Computer Research and Development, 2019, 56(9): 1953-1964. CSTR: 32373.14.issn1000-1239.2019.20180842
shu

一种基于博弈论的时序网络链路预测方法

  • 1(南京财经大学信息工程学院 南京 210013)

  • 2(南京理工大学计算机科学与工程学院 南京 210094) (545108883@qq.com)

基金项目: 国家自然科学基金项目(71871109,91646204,71801123,71871233)
详细信息

  • 中图分类号: TP393

A Link Prediction Approach in Temporal Networks Based on Game Theory

  • 1(College of Information Engineering, Nanjing University of Finance and Economics, Nanjing 210013)

  • 2(School of Computer Science and Engineering, Nanjing University of Science and Technology, Nanjing 210094)

Funds: This work was supported by the National Natural Science Foundation of China (71871109, 91646204, 71801123, 71871233).

HTML全文

    摘要
  • 摘要: 链路预测是复杂网络分析领域的一项重要研究课题，可被应用于许多实际应用场景，如推荐系统、信息检索和市场分析等.不同于传统的链路预测问题，针对有时间窗口的时序链路集合，需预测未来任意时刻链路的存在情况，即探究时序网络的演化机制.为解决这一问题，结合生存分析和博弈论，提出一种有效的半监督学习框架.首先，定义一个ε-邻接网络序列模型，并利用每条链路的时间戳信息生成真实的网络演化序列.为捕捉网络演化规律，为每条链路定义一组基于邻居相似性的特征向量，并采用Cox比例风险模型来估计该特征向量的协变量系数.为缩小搜索空间，提出一种基于博弈的双向选择机制来预测未来的网络拓扑结构.最后，提出一种基于多智能体自治计算的网络演化预测算法，并在多个真实时序网络数据集上验证了算法的有效性和高效性.
    Abstract: Link prediction is an important task in complex network analysis, which can be applied to many real-world practical scenarios such as recommender systems, information retrieval, and marketing analysis. Different from the traditional link prediction problem, this paper predicts the existence of the link at any time in the future based on the set of temporal links in a given time window, that is, the evolution mechanism of the temporal network. To explore this question, we propose a novel semi-supervised learning framework, which integrates both survival analysis and game theory. First, we carefully define the ε-adjacent network sequence, and make use of time stamp on each link to generate the ground-truth network evolution sequence. Next, to capture the law of network evolution, we employ the Cox proportional hazard model to study the relative hazard associated with each temporal link, so as to estimate the covariate’s coefficient associated with a set of neighborhood-based proximity features. To compress the searching space, we further propose a game theory based two-way selection mechanism to inference the future network topology. We finally propose a network evolution prediction algorithm based on autonomy-oriented computing, and demonstrate both the effectiveness and the efficiency of the proposed algorithm on real-world temporal networks.
    • HTML全文
    • 参考文献(0)
    • 相关文章
    • 施引文献(63)

  • 期刊类型引用(30)

    1. 马超红，郝新丽，孟小峰，张旭康. 机器学习赋能的多维数据查询处理研究综述. 计算机学报. 2025(01): 100-123 . 百度学术
    2. 姜璐璐，高锦涛. 面向机器学习的数据库参数调优技术综述. 计算机工程与应用. 2024(03): 1-16 . 百度学术
    3. 刘帅，乔颖，罗雄飞，赵怡婧，王宏安. 时序数据库关键技术综述. 计算机研究与发展. 2024(03): 614-638 . 本站查看
    4. 赖思超，吴小莹，彭煜玮，彭智勇. 数据库索引调优技术综述. 计算机研究与发展. 2024(04): 929-954 . 本站查看
    5. 朱镕佳，杨宇轩，李振东，陈硕，唐朝阳，唐晓雨. 基于树莓派的智能零售系统设计. 现代信息科技. 2024(19): 189-192+198 . 百度学术
    6. 蔡盼，张少敏，刘沛然，孙路明，李翠平，陈红. 智能数据库学习型索引研究综述. 计算机学报. 2023(01): 51-69 . 百度学术
    7. 曹蓉，鲍亮，崔江涛，李辉，周恒. 数据库系统参数调优方法综述. 计算机研究与发展. 2023(03): 635-653 . 本站查看
    8. 杨荣利，王伟，杨栋，周东阳. 基于两因素模糊时间序列的一次风机指标预测. 电子设计工程. 2023(07): 91-94+99 . 百度学术
    9. 唐楚哲 ，王肇国 ，陈海波 . 机器学习方法赋能系统软件：挑战、实践与展望. 计算机研究与发展. 2023(05): 964-973 . 本站查看
    10. 张政，段怡，高志峰，张欢. 机器学习在手术中液体治疗的应用. 中国数字医学. 2023(07): 81-85 . 百度学术
    11. 杜维柱，张晓华，卢毅，王书渊，沈彦伶. 基于机器学习与数值预报技术的电网短期临近气象预警模型设计. 电子设计工程. 2023(19): 99-103 . 百度学术
    12. 曹卫东，金超. 基于birch聚类的可更新机器学习索引模型. 计算机工程与设计. 2023(11): 3328-3334 . 百度学术
    13. 王鹏. “智慧工会”实现路径. 科技资讯. 2022(02): 10-12 . 百度学术
    14. 张静，农昌瑞，张海兵，张亚周. 基于深度学习的发动机叶片故障检测技术. 航空发动机. 2022(01): 68-75 . 百度学术
    15. 孟小峰，余艳. 在跨学科交叉融合中深发展社会计算与社会智能. 计算机科学. 2022(04): 3-8 . 百度学术
    16. 欧群雍，谭同德，冯学晓. 基于机器学习的软件定义网络数据流子序列匹配算法. 国外电子测量技术. 2022(04): 70-76 . 百度学术
    17. 杜清华，张凯. 一种高效的跨平台工作流优化方法. 计算机工程. 2022(07): 13-21+28 . 百度学术
    18. 姬莉霞，赵耀，马郑祎，赵润哲，张晗. 基于iForest-BiLSTM-Attention的数据库负载预测方法. 郑州大学学报(理学版). 2022(06): 66-73 . 百度学术
    19. 张洲，金培权，谢希科. 学习索引:现状与研究展望. 软件学报. 2021(04): 1129-1150 . 百度学术
    20. 潘璇，徐思涵，蔡祥睿，温延龙，袁晓洁. 基于深度学习的数据库自然语言接口综述. 计算机研究与发展. 2021(09): 1925-1950 . 本站查看
    21. 蒙芳，翟建丽. 学习行为大数据可视化的网络数据库学习仿真. 计算机仿真. 2021(09): 216-220 . 百度学术
    22. 陈镭. 基于机器学习的数据库系统自动调参研究. 软件导刊. 2021(11): 148-151 . 百度学术
    23. 崔栋，温巧燕，张华，王华伟. QML：一种混合空间索引结构. 通信学报. 2021(12): 1-16 . 百度学术
    24. 陶镇威. 基于机器学习的Oracle数据库故障预测技术探索. 现代工业经济和信息化. 2020(02): 70-71 . 百度学术
    25. 桂树强，周实，张家季，耿欣. 基于BIM的轨道交通项目管理框架体系研究与实践. 人民长江. 2020(03): 147-152 . 百度学术
    26. 宋雨萌，谷峪，李芳芳，于戈. 人工智能赋能的查询处理与优化新技术研究综述. 计算机科学与探索. 2020(07): 1081-1103 . 百度学术
    27. 陈珂锐，孟小峰. 机器学习的可解释性. 计算机研究与发展. 2020(09): 1971-1986 . 本站查看
    28. 唐吉深，覃少华. 大型数据库重复记录检测与优化研究. 现代电子技术. 2020(17): 77-81 . 百度学术
    29. 蔡洪浩，罗应华，张荣鑫，杨喻淳. 基于机器学习的智能光电对抗系统. 电子技术与软件工程. 2020(13): 79-80 . 百度学术
    30. 陶姿邑. 基于深度学习的数据库重复记录检测算法. 微型电脑应用. 2020(12): 174-176 . 百度学术

    其他类型引用(33)

    • 资源附件(0)
计量
  • 文章访问数:  1327
  • HTML全文浏览量:  10
  • PDF下载量:  428
  • 被引次数: 63
出版历程
  • 发布日期:  2019-08-31

目录

摘要
HTML全文
    参考文献(0)
    相关文章
    施引文献(63)
    资源附件(0)

    /

    返回文章
    返回
    邮件订阅 RSS
    微信订阅号<br/>（实时资讯）

    微信订阅号
    （实时资讯）

    微信服务号<br/>（同步网站）

    微信服务号
    （同步网站）

    微信视频号<br/>（视频分享）

    微信视频号
    （视频分享）

    CCF<br/>（扫码入会）

    CCF
    （扫码入会）

    版权所有 © 《计算机研究与发展》编辑部

    本系统由北京仁和汇智信息技术有限公司开发  百度统计