基于分包的混合朴素贝叶斯链路预测模型

隐朴素贝叶斯模型(HNB)和树增强朴素贝叶斯模型(TAN)通过挖掘共邻节点之间的内在关联缓解局部朴素贝叶斯模型(LNB)的强独立性假设，却忽略了真实网络中同时存在关联紧密的节点和相对独立的节点。在此基础上设计一种分包准则，将共邻节点划分为关联共邻节点和独立共邻节点，然后分别对HNB和TAN做分包改进，提出基于分包的混合朴素贝叶斯模型。在平均共邻节点数高的FWFW网络上，分包后HNB和TAN模型与原模型相比AUC值分别提升12%和11.6%。实验结果表明，所提方法能有效提升链路预测性能，并且具有良好的鲁棒性。