基于节点地位和相似性的社交网络边符号预测

边符号预测即根据网络拓扑结构挖掘符号相关隐含信息，旨在揭示用户之间的潜在关系。节点地位和相似性能够较好地体现边符号属性，为改善预测效果提供了理论基础。通过探究两者与边符号属性之间的强相关性，建立符号预测模型。首先，利用排序算法prestige评估用户节点的社会地位，同时使用余弦相似度表示用户的社交偏好；然后，在逻辑回归学习模型的基础上融合两者建立边符号预测模型LR-SN；最后，在模型训练过程中采用随机梯度上升算法优化求解。三个真实网络数据集的实验结果表明，相比于现有基准方法，LR-SN模型的符号预测准确率显著提高且具有一定的推广性，说明通过融合局部信息与全局信息能够进一步改善预测效果。