Link prediction based on the naive Bayes with high-order clustering structure of node

聚类分析 计算机科学 节点(物理) 数据挖掘 虚假关系 朴素贝叶斯分类器 相似性(几何) 链接(几何体) 贝叶斯定理 群落结构 k-最近邻算法 复杂网络 人工智能 机器学习 数学 贝叶斯概率 支持向量机 工程类 计算机网络 图像(数学) 组合数学 万维网 结构工程
作者
Xiaoqiang Li
标识
DOI:10.1117/12.2639914
摘要

Link prediction, a significant branch of complex networks, has attracted the attention of a growing number of scholars. It is an important tool in data mining. It is used to predict possible future links in the network or links that have not been observed yet. It can also be used to identify spurious links. The Local Naïve Bayes Model accurately distinguishes the contribution of different common neighbor nodes to the formation of the target link, but it only considers the contribution of common neighbors. A large number of networks have higher-order characteristics, and higher-order structures capture as much information about the network. In the work, we proposed a novel method of link prediction based on Naive Bayes with High-Order clustering structure (NBHO) of node. NBHO not only overcomes the shortcomings of the co-neighbor (common neighbor) similarity index that each co-neighbor of two nodes contributes equally to the likelihood of the connection, but also makes use of a higher order clustering structure. High-order structure plays an important role in the evolution of the network. Compared with the traditional method, this framework can provide more accurate predictions. Obviously there is a conclusion that the higher order structure significantly improves the accuracy of the predictions.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
顾矜应助含蓄的行恶采纳,获得10
1秒前
1秒前
Ari发布了新的文献求助10
2秒前
bkagyin应助舒适的以南采纳,获得10
4秒前
苏打完成签到 ,获得积分10
4秒前
Eve发布了新的文献求助10
4秒前
高凯璇完成签到,获得积分10
4秒前
junjie完成签到,获得积分10
5秒前
fuxiao完成签到 ,获得积分10
5秒前
科研通AI2S应助菜虚鲲采纳,获得10
5秒前
HHHSean完成签到,获得积分10
5秒前
6秒前
Akim应助医学帅哥采纳,获得10
6秒前
bkagyin应助zhangscience采纳,获得10
8秒前
leolee完成签到 ,获得积分10
9秒前
乐怡日尧发布了新的文献求助10
9秒前
爆米花应助Hippocampus采纳,获得10
9秒前
9秒前
9秒前
关关完成签到 ,获得积分10
10秒前
11秒前
神光完成签到,获得积分10
12秒前
李庆丰关注了科研通微信公众号
12秒前
慧妞完成签到 ,获得积分10
12秒前
sxwang完成签到,获得积分10
13秒前
浅是宝贝完成签到 ,获得积分10
13秒前
Dsivan发布了新的文献求助10
15秒前
WIK发布了新的文献求助10
16秒前
goodesBright完成签到,获得积分10
16秒前
77777完成签到 ,获得积分10
17秒前
乐怡日尧完成签到,获得积分10
17秒前
平淡小鸭子完成签到,获得积分10
18秒前
大模型应助Dsivan采纳,获得10
19秒前
开心的饼干应助贝妮戴塔采纳,获得20
21秒前
蛋妞儿完成签到,获得积分10
21秒前
05完成签到 ,获得积分10
22秒前
GR完成签到,获得积分10
22秒前
cigar发布了新的文献求助10
22秒前
橘子小西完成签到 ,获得积分10
23秒前
24秒前
高分求助中
Sustainability in Tides Chemistry 2000
Pharmacogenomics: Applications to Patient Care, Third Edition 1000
Studien zur Ideengeschichte der Gesetzgebung 1000
TM 5-855-1(Fundamentals of protective design for conventional weapons) 1000
Ethnicities: Media, Health, and Coping 700
Genera Insectorum: Mantodea, Fam. Mantidæ, Subfam. Hymenopodinæ (Classic Reprint) 600
Development of a new synthetic process for the synthesis of (S)-methadone and (S)- and (R)-isomethadone as NMDA receptor antagonists for the treatment of depression 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3088876
求助须知:如何正确求助?哪些是违规求助? 2741034
关于积分的说明 7562810
捐赠科研通 2391175
什么是DOI,文献DOI怎么找? 1268179
科研通“疑难数据库(出版商)”最低求助积分说明 614019
版权声明 598684