[00105335]基于二分网络不对称性的链路预测和错边识别研究

　　该项目主要研究二分网络结构特性，设计适用于二分网络的有效预测和识别算法。基于网络结构和网络功能，完善算法评价体系，力求给预测算法多方面、系统化、更客观地评测。讨论不同网络结构对算法的影响和算法对网络功能性的影响。推动二分网络、链路预测和错边识别在各自研究领域内容上的发展，为实际系统中的相关问题提供有指导意义的帮助。主要研究成果如下：
　　1。完善算法评价体系，在鲁棒性方面给算法客观地系统化评测：在实际生活中，随着科学技术的发展，数据搜集的成本大大降低，但遗憾的是数据中的“噪声”也越来越多。采用删边、断边重连和加边这三种策略，分别模拟现实中数据丢失、数据错配和数据冗余这三种对网络拓扑结构产生扰动的情况，通过分析现有链路预测算法在网络信息出现扰动时，预测精确度的变化情况，提出了链路预测算法鲁棒性的定义， 并设计了量化评价指标 R 来衡量现有链路预测算法的鲁棒性。
　　2。利用链路预测算法，完成网络在功能上的重构，讨论算法对网络功能性的影响：利用具有代表性的链路预测算法来重构网络，即：将存在可能性高的边加回到网络中去。在社团网络中，发现很多已知的方法都很难去捕捉网络中介于社团之间的连边，这样就导致重构网络的结构性质和功能性质与原始网络相差较大。为了解决这个问题，提出了一种基于社团网络结构的链路预测算法。并用其重构原始网络的结构和功能。
　　3。在二分网络上，基于网络特有结构提出改进的预测、推荐算法：随着互联网与信息技术的不断发展，同时信息也呈爆炸式增长，人们逐渐从信息匮乏的时代逐渐走向了信息超载的时代，推荐系统是解决信息超载的良好工具。随着对二分网络研究的不断深入，学者们发现在二分网络中，同样存在着与单分网络类似的社团结构，在同一个社团结构中，内部节点之间有着较大的相似性，而与其他社团之间的节点有着较小的相似性。通过挖掘二分网络中存在的社团结构，对网络节点进行分类，以期达到优化预测、推荐结果的目标。