网络距离预测技术

首先概述了网络距离预测的基本概念,从不同角度对网络距离预测技术进行了分类讨论.然后根据预测机理的差异将现有网络距离预测技术划分为基于虚拟坐标的预测技术、基于网络拓扑结构的预测技术以及网络邻近度估计技术.在对典型的预测技术进行分析对比后,详细综述了网络距离预测的研究现状,对现有的各种预测技术以及研究成果进行了分析,指出了需要进一步研究的问题.最后探讨了网络距离预测技术的未来发展方向.     

CACC:一种基于分簇的自适应网络坐标计算方法

针对Internet环境中采用基于坐标的方法预测网络节点间的距离问题,提出了一种基于分簇的自适应网络坐标计算方法CACC.首先,提出了E-Binning分簇算法,并在此基础上通过比较不同的地标选择策略,CACC采用了最优的分布式地标策略Hybrid;其次,提出了自适应坐标更新算法ACU以提高坐标计算的收敛速度和精确度;最后,采用相对误差和SRRL度量方法,通过与经典的网络坐标计算方法GNP和Vivaldi对比验证了方法的精确性.实验结果表明,CACC是一种可扩展性强、收敛性好、预测精度高的面向实际应用的网络距离预测方法.     

一种基于被动路标的网络距离预测方法

网络拓扑信息的引导能够显著提高大规模分布式应用程序的性能,然而直接测量节点之间拓扑信息产生的开销远大于其收益.提出一种新的基于被动路标的节点间网络距离预估方法PLNDP,使用Lipschitz变换将普通节点到路标节点的网络延迟映射到度量空间Rn,再利用距离函数计算映射后的网络坐标之间的距离,从而预测节点之间的网络距离....     

一种层次化网络距离预测机制

网络坐标系统向分布式应用提供了一种高效的网络距离信息获取机制,但现有基于单一度量空间嵌入的距离预测机制难以精确描述因特网复杂的层次结构特征,进而导致较大的距离预测误差.文章提出了一种分域的层次化网络距离预测机制NetPharos,该机制根据因特网结构以及性能特征将其划分为相互独立的核心预测域和边缘预测域,通过相关边缘预测域和核心预测域内预测值迭加获取节点间距离信息.理论分析和仿真实验显示,NetPharos能够有效解决预测过程中短距离和长距离的相互干扰问题,提高预测精度.     

水声传感器网络节点定位技术综述

在水声传感器网络的应用中,只有当传感器节点的位置已知,获得的信息才具有意义.因此,节点定位技术是水声传感器网络研究的一个重点和热点.首先分析了在水声环境中的传感器网络节点定位技术的特点;在此基础上分类介绍了距离无关定位算法和距离相关定位算法,其中重点阐述和分析了距离相关算法的测距技术、基于固定锚节点算法和基于移动锚节点算法;最后总结并展望了水声传感器网络节点定位技术的发展与研究方向.     

基于网络延迟的P2P路由算法的研究

近年来,P2P计算应用已经超过Web应用而成为占用互联网带宽最多的网络应用.针对目前P2P系统中采用的随机选择邻居节点的方法会降低路由效率以及增大网络开销方面的问题,在分析Chord方法特点的基础上,提出一种改进的Chord构建算法DeChord.从逻辑上相邻的点在物理上也相邻这一原则出发,DeChord采用Chord数据定位算法;利用全局网络定位系统计算节点坐标并以此为依据计算节点间的物理距离,节点加入时充分考虑节点之间的逻辑距离与物理距离的一致性,系统节点总是选择距离自己物理距离较近的节点作为邻居节点;DeChord算法使得节点的路由表的信息能得到及时的更新.DeChord中的邻居节点选择方式可以降低消息路由过程中每一跳的网络延时,从而降低整个消息路由的开销.模拟实验表明,利用该算法建立的P2P系统能大幅度降低数据定位的延时.     

从信息学的角度分析复杂网络链路预测

链路预测作为复杂网络分析的一项重要任务,其目的是寻找节点间缺失(新)的链路,识别虚假交互,对于挖掘和分析网络的演化,重塑网络模型具有重要意义.传统的链路预测方法多数采用拓扑结构信息、节点的属性信息和图的结构特征.应用这些特征等外部信息可以得到很好的预测效果.本文从信息学的角度全面分析、回顾和讨论了复杂网络链路预测的发展现状,提出了链路预测技术和问题的系统分类.首次将分层的思想引入链路预测分类体系中,把当前的链路预测方法分为基于监督学习的技术、基于半监督学习的技术、基于无监督学习的技术和基于强化学习的技术.对每种技术的优缺点、复杂性、所使用的具体特征,开源实现及应用建议进行了详细的分析.最后,讨论了当前复杂网络链路预测技术未来的发展方向.     

P2P网络节点自组织聚类算法

提出了一种P2P网络节点自组织聚类算法,该算法具有分布式、自组织的特点,每个节点分别使用自身掌握的网络局部视图,通过邻近节点查找机制独立地完成聚类操作,为P2P网络构造算法提供支持,具有良好的可扩展性和鲁棒性.为提高邻近节点查找效率,节点根据小世界模型在聚类区域外采用半径指数递增且互不重叠的多重环结构组织远距离节点,增加捷径连接,减小节点间平均距离.在邻近节点查找过程中,使用分布式的网络坐标机制预测网络距离,缩小目标节点范围,然后通过直接测量找出最邻近节点,这种策略在保证准确度的同时有效地降低了系统开销.     

基于节点交互度的社会网络链路预测

链路预测是通过已知的网络拓扑和节点属性挖掘未来时刻节点潜在关系的重要手段, 是预测缺失链路和识别虚假链路的有效方法, 在研究社会网络结构演化中具有现实意义. 传统的链路预测方法基于节点信息或路径信息相似性进行预测, 然而, 前者考虑指标单一导致预测精度受限, 后者由于计算复杂度过高不适合在规模较大网络中应用. 通过对网络拓扑结构的分析, 本文提出一种基于节点交互度(interacting degree of nodes, IDN)的社会网络链路预测方法. 该方法首先根据网络中节点间的路径特征, 引入了节点效率的概念, 从而提高对于没有公共邻居节点之间链路预测的准确性; 为了进一步挖掘节点间共同邻居的相关属性, 借助分析节点间共同邻居的拓扑结构, 该方法还创新性地整合了路径特征和局部信息, 提出了社会网络节点交互度的定义, 准确刻画出节点间的相似度, 从而增强网络链路的预测能力; 最后, 本文借助6个真实网络数据集对IDN方法进行验证, 实验结果表明, 相比于目前的主流算法, 本文提出的方法在AUC和Precision两个评价指标上均表现出更优的预测性能, 预测结果平均分别提升22%和54%. 因此节点交互度的提出在链路预测方面具有很高的可行性和有效性.     

元结构下的文献网络关系预测

针对文献网络节点间的关系预测问题,将节点相似度作为节点间关系概率,采用网络表示学习的方法将文献网络中的节点嵌入到低维空间后计算节点相似度,同时提出基于元结构的网络表示学习模型.根据节点间基于不同元结构的相关性,融合相应的特征表示,将网络映射到低维的特征空间.在低维特征空间内进行距离度量,实现文献网络中的关系预测.实验表明文中模型在文献网络中可得到良好的关系预测结果.     

利用网络拓扑的结构化P2P系统

如何利用物理网络拓扑是P2P目前研究的一个热点问题,而网络坐标是当前研究这个问题的主要方法和工具。通常形成的网络坐标是基于测量节点间网络延时,但这种方法的缺陷是给网络增加了额外负载并且牵涉到路标节点的选择算法,且选择算法的优劣直接影响P2P覆盖网的性能。故提出了一种基于IP地址形成网络坐标的方法,此方法避免了现有方法的缺陷,为利用物理网络拓扑提供了一种简单有效的方法。     

SSDBA:the stretch shrink distance based algorithm for link prediction in social networks

In the field of social network analysis,Link Predic-tion is one of the hottest topics which has been attracted attentions in academia and industry.So far,literatures for solving link prediction can be roughly divided into two categories:similarity-based and learning-based methods.The learning-based methods have higher accuracy,but their time complexities are too high for complex networks.However,the similarity-based methods have the advantage of low time consumption,so improving their accuracy becomes a key issue.In this paper,we employ community structures of social networks to improve the prediction accuracy and propose the stretch shrink distance based algorithm(SSDBA),In SSDBA,we first detect communities of a social network and identify active nodes based on community average threshold(CAT)and node average threshold(NAT)in each community.Second,we propose the stretch shrink distance(SSD)model to iteratively calculate the changes of distances between active nodes and their local neighbors.Finally,we make predictions when these links'distances tend to converge.Furthermore,extensive parameters learning have been carried out in experiments.We compare our SSDBA with other popular approaches.Experimental results validate the effectiveness and efficiency of proposed algorithm.     

基于蛋白质相互作用网络的聚类算法研究

蛋白质相互作用网络是计算机科学技术的一个新研究领域。蛋白质相互作用网络中结点之间的距离度量需要通过基于网络的最短路径距离来重新定义,其计算代价高,这使得已有的基于欧几何距离的聚类算法不能直接运用到这种环境中。因此,通过蛋白质相互作用网络的特征提出了一种新的聚类算法。算法使用网络中的边和结点信息来缩减搜索空间,避免了一些不必要的距离计算。实验结果表明,算法对于真实的蛋白质相互作用网络中的结点聚类是高效的。     

基于元路径与节点属性的合著关系预测

在异构社会网络中,合著关系的预测是具有代表性的一类关系预测,与同构网络的链接预测方法在节点表示、网络构造等方面存在较大差异。综合考虑异构社会网络特有的元路径信息和节点属性特征,提出了节点的复合向量化表示：将节点的TF-IDF特征与基于Metapath2vec算法的向量化表示相结合;在元路径的表示上采取元路径中同类型节点归并重构的方法,以提取元路径中同类型节点间的隐含信息;并通过卷积神经网络（CNN）实现学术网络的合著关系预测。实验结果表明,节点的复合向量化表示及重构元路径方法可以更好地表征异构社会网络,与其他方法对比中均获得更好的预测评价指标。     

基于非负矩阵分解的网络距离预测

大规模网络中的节点存在高度动态性、不可达性等问题,使得直接测量节点之间时延有时根本无法进行。为此,提出一种非负矩阵坐标分解预测方法,通过获取普通节点与基准节点的RTT值构建一个特征矩阵(非负矩阵),并在欧式空间坐标计算的基础上,根据距离矩阵的非负性,确保其无损分解成基矢量和权矢量乘积,降低距离计算的维度,加快预测的收敛,其预测精确性符合预测误差趋势分布 模型。     

利用互斥策略优化二分网络节点预测

网络节点预测研究目前主要集中在源头节点和隐藏节点预测方面,缺少新生节点预测方向的研究。以论文和关键词关系网为研究对象,利用关键词组合情况预测新论文的产生,开展新生节点预测研究。首先将论文—关键词二分网络加权投影成关键词关系网络,然后利用关键词组合在未来出现的可能性预测新论文的产生。计算这种可能性需考虑两方面影响：一种是相似性,表示关键词共同出现的倾向;一种是互斥性,描述关键词彼此排斥的倾向,如内涵高度一致的两个关键词极少同时出现。采集期刊的论文和关键词信息构建数据集,对提出的论文预测算法进行验证,并与已有算法作对比,结果显示该算法预测效果更好。     

基于矩阵分解的DeepWalk链路预测算法

现有的链路预测方法的数据来源主要是基于邻居、路径和随机游走的方法,使用的是节点相似性假设或者最大似然估计,尚缺少基于神经网络的链路预测研究。基于神经网络的一些研究表明,基于神经网络的DeepWalk网络表示学习算法可以更加有效地挖掘到网络中的结构特征,已有研究证明DeepWalk等同于分解目标矩阵。因此,提出了一种基于矩阵分解的DeepWalk链路预测算法（LPMF）。该算法首先基于矩阵分解的DeepWalk算法分解得到网络的表示向量;然后通过余弦相似度计算每对节点之间的相似度,构建目标网络的相似度矩阵;最后利用相似度矩阵,在三个真实的引文网络中进行链路预测实验。实验结果表明,提出的链路预测算法性能优于现存的20余种链路预测算法。这充分表明了LPMF能够有效地挖掘网络中节点之间的结构关联性,而且在实际网络的链路预测中能够发挥出较为优异的性能。     

基于网络资源流量的链路预测方法

在复杂网络中,现有基于结构相似性的链路预测方法较少考虑全局和局部拓扑信息之间平衡性、准确度和复杂度之间平衡性以及网络资源动态流动的问题。将网络资源流量作为相似性判断依据,提出一种准局部链路预测方法。根据网络中节点重要性的不同来为它们分配对应的资源,以保证资源分配的合理性。针对网络资源提出一种动态流动机制,将节点对双向流动的资源之和作为相似程度的量化指标。引入节点对之间中间路径节点的概念,分析中间路径节点在资源流动过程中的稀释作用。在此基础上,计算初始资源量和稀释作用量从而得到网络资源流量方法的性能评估指标值。在Jazz、NS等11个真实世界的网络中进行实验,对比该方法与CN、Salton等常见基准方法在准确度和鲁棒性方面的性能表现,结果表明,所提方法能够充分利用准局部信息,既能考虑资源流动性又能解决平衡性问题,可有效提高链路预测性能。