::链路预测是网络信息挖掘中本质的问题,通过对已经观察到的网络结构和其他外部信息的分析,挖掘缺失的连接和预测未来可能出现的连接。链路预测算法综合运用了相似性分析、网络动力学、贝叶斯模型、机器学习、模体分析、似然分析等多学科方法和技术,在生物网络分析、朋友及关注对象推荐、个性化推荐、网络演化模型评价、标签分类、网络重构等问题上有着广泛的应用。本书不仅系统介绍了链路预测问题描述、评价指标和针对不同网络类型的各类代表性算法,还在其中讨论了许多网络科学研究本质性的问题。 链路预测问题清晰、内涵丰富、入门容易、具有挑战性,可以反映不同类型网络结构和功能方面形形色色的特征,特别适合作为网络科学与工程研究的题目。本书可供自然科学、工程技术科学以及社会科学领域的研究人员与广大在校生参考使用。 | ::链路预测是网络信息挖掘中本质的问题,通过对已经观察到的网络结构和其他外部信息的分析,挖掘缺失的连接和预测未来可能出现的连接。链路预测算法综合运用了相似性分析、网络动力学、贝叶斯模型、机器学习、模体分析、似然分析等多学科方法和技术,在生物网络分析、朋友及关注对象推荐、个性化推荐、网络演化模型评价、标签分类、网络重构等问题上有着广泛的应用。本书不仅系统介绍了链路预测问题描述、评价指标和针对不同网络类型的各类代表性算法,还在其中讨论了许多网络科学研究本质性的问题。 链路预测问题清晰、内涵丰富、入门容易、具有挑战性,可以反映不同类型网络结构和功能方面形形色色的特征,特别适合作为网络科学与工程研究的题目。本书可供自然科学、工程技术科学以及社会科学领域的研究人员与广大在校生参考使用。 |