基于结构平衡理论与地位理论的符号预测算法

针对符号预测算法在预测准确率和算法复杂度方面难以均衡的问题，有效地融合社会学发展规律与网络局部特征，提出一种基于结构平衡理论与地位理论计算节点相似度的符号预测算法。为更好的结合上述两种理论对两节点相似度得分的贡献，引用调节因子，将基于两种理论的相似度得分按照调节因子的权重求和，相似度的得分的正负即为边符号预测的结果。最后将算法在多个不同数据集进行实验，与经典的CN算法和PSNBS算法在预测准确率与算法复杂度两个方面进行对比分析。结果显示该算法在预测准确率方面与经典算法非常接近，但在时间复杂度方面本文比经典算法低一个数量级，明显优于经典算法。