基于分包的混合朴素贝叶斯链路预测模型 |
| |
作者姓名: | 曾茜 韩华 李秋晖 李巧丽 |
| |
作者单位: | 武汉理工大学理学院 |
| |
摘 要: | 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。
|
关 键 词: | 复杂网络 链路预测 分包 混合朴素贝叶斯 |
|
|