基于LDA主题模型的社会网络链接预测

针对传统社会网络链接预测方法忽视节点文本内容的问题,提出一种基于潜在狄利克雷分配(Latent Dirichlet Allocation, LDA)主题模型的协作演化链接预测算法。算法利用LDA模型,对节点的文本内容进行分析,提取出每个节点的主题分布向量,利用分布向量的点积来衡量节点文本的相似性;然后将节点文本内容相似性矩阵与节点邻接矩阵相加,在此基础上计算节点之间的相似性;最后选取相似性最高的k个节点作为预测结果。实验结果表明该算法在网络图稀疏的情况下有较好的效果。     

基于拟合HOSBM的邮件网络稳定链接的预测方法

为提高邮件通联网络中稳定链接预测的准确度,针对邮件通联网络中议题小组结构所具有的可重叠性和层次性特点,提出一种邮件通联网络边演化模型框架HOSBM,并给出HOSBM的似然估计函数;结合使用马尔科夫链蒙特卡洛算法,通过计算生成链接的可信度对邮件通联网络中的稳定链接进行预测.Enron邮件数据集上的实验结果表明,相比基于邻近度CN的链接预测法,基于拟合HOSBM的预测方法具有较高的预测精度和预测准确性.     

关系生成图注意力网络的知识图谱链接预测

针对实体邻域三元组缺少联系的问题,提出基于关系生成图注意力网络(RGGAT)的知识图谱链接预测方法. 利用不同类型的关系生成相应的注意力机制参数,邻域三元组按照关系类型使用对应的参数计算注意力系数. 实体通过聚合以关系为主导的邻域三元组信息得到更丰富的嵌入向量. 在训练过程中对编码器和解码器进行共同训练,将编码器更新的实体向量和关系向量直接输入到解码器中,保证编码器和解码器训练目标一致. 在3个公开数据集上进行链接预测实验,对比实验选用目前主流的5个模型作为基线. RGGAT方法在3个数据集上的Hits@10能达到0.519 8、0.510 4和0.973 9,高于传统图注意力网络嵌入方法的. 在邻域聚合阶数对比实验中,1阶关系邻域聚合的方法相比2阶关系在Hits@10上提升3.59%.     

电信网络链接稳定性模型研究

社会网络包含了以人为主体的对象和人与人之间联系为代表的链接。针对很多研究链接方法需要知道包含所有链接节点的信息甚至网络的全拓扑信息,而单一电信运营商无法获知此信息的实际情况,根据电信运营商提供的通话清单,将电信用户和通话记录构造成社会网络中的对象和链接,分析电信网络链接的稳定性规律并给出一种基于局部拓扑信息的链接稳定性评价方法。实际数据验证结果表明,该方法能准确预测通信网络链接的稳定性,且该方法优于其他方法。     

一种融合社区结构信息的网络表示学习算法

为研究社区结构对网络表示学习的影响,提出了一种新颖的融合社区结构信息的网络表示学习算法（CINE）。通过借鉴模块度思想,将社区结构吸收到基于矩阵分解的模型中以保留网络内部的社区结构;设计一个整体的目标函数,在捕获社区结构信息的同时也融合了节点间的1阶2阶邻近性信息和节点的属性信息,最终得到包含原始网络中3类信息的节点表示;采用Cora、Citeseer和Wiki等3个公开网络数据集验证CINE在节点分类、链接预测和可视化任务中的表现。结果表明：在3个数据集的分类任务中,CINE的Micro-F1分数分别达到了0.900 2、0.840 2、0.761 9,优于所有对比算法;在Cora数据集的链路预测任务中,CINE的AUROC得分比Node2vec、DeepWalk和TADW等算法分别提高了1.165、1.144和1.059倍。说明CINE在保留网络的结构和属性信息的基础上,捕获了社区结构信息,使得所学节点表示可以更好地执行后续的网络分析任务。     

基于模块度相似性的二分网络链路预测算法

基于社团结构,提出模块度相似性的二分网络链路预测算法,克服了二分网络在链路预测中丢失社团结构信息的局限性。首先,通过定义二分模块度,利用奇异值分解,将网络中的节点嵌入到欧式空间中的向量。其次,提出二分网络模块度相似性的框架,利用向量余弦相似度定义二分网络节点对之间的模块度相似性指标(MS指标)。最后,基于小提琴图和评价指标AUC,在3个真实网络上进行模拟仿真,与9种链路预测相似性指标进行对比,证明MS指标用于二分网络链路预测具有较高的精度。     

基于博弈论与信息融合的用户行为预测算法

为了解决网络内部威胁的问题,分析了现有的基于模型、图形理论以及访问控制算法的解决方案,发现大部分方案都依赖传统的入侵检测手段,其虚警率高。为此,文章提出一种基于博弈论与信息融合的内部威胁者行为的预测算法,采用动态贝叶斯网络（DBN）结构及其精确推理算法,获取信息并融合不同的源信息用于行为分析,通过可数响应性均衡（QRE）计算预测内部威胁者的行为趋势。模拟仿真验证结果表明,该算法能预测内部威胁者的行为趋势,获得态势感知能力,能解决内部威胁问题,且算法具有良好的收敛性和精确度。     

面向虚拟社区物联网的信任推荐算法

现有的基于信任的推荐模型中,交互请求者都会选择当前信任度最高的对象进行交互,这会造成虚拟社区中的资源不能被充分利用,可信度高的对象也会因为超负荷而造成响应延时,引起信任度的下降.为了解决该问题,提出了一个考虑社区节点信任度稳定性与社区利益的推荐算法.该算法采用李雅普诺夫优化的思想,社区控制中心根据目前各成员节点的状态与请求者的特征做出满足请求者的约束条件,同时保证社区节点信任度稳定性,并使得社区所得利益最大的决策.对算法进行理论分析与仿真实验表明,与传统方法相比,该算法使得社区节点的信任度与工作负荷更加稳定,同时可使整个虚拟社区与资源请求者获得更多的利益.     

论网络虚拟社区与高校思想政治教育的结合

分析了网络对高校思想政治教育的挑战和影响,认为大学生虚拟社区应该成为高校思想政治教育的一个新的阵地。从促进虚拟社区与高校思想政治教育相结合的角度,提出了加强大学生虚拟社区建设和管理的措施。     

面向链接的资源分配与QoS保障联合跨层算法

为了在无线蜂窝网络中向各物理链路上具有不同速率以及延时要求的多条数据链接提供最优化的资源分配以及服务质量(QoS)保障,设计了一种面向链接的资源分配与QoS保障联合算法.基于跨层设计思想,将目标建模为接入控制、速率分配以及资源分配3个子问题.来自物理层的信道状态信息、来自媒体接入控制（MAC）层的队列状态信息、来自应用层的速率及延时请求信息在系统模型中得到了综合的考虑.子问题可以分别通过贪婪算法及凸规划算法顺序地进行求解,从而得出每条数据链接上最优的资源及功率分配值,而这些结果将通过特定的接口反馈到各个层次模块中去.仿真结果表明,该算法能够解决模型面临的问题,并且比层次式协议栈中的算法更加有效地利用了网络资源     

基于学习自动机与萤火虫算法的链路预测

为了探索便携交换网络的演化规律,研究其网络行为预测中的链路预测问题.便携交换网络具有节点移动性、节点间间歇性连接、高延迟等特点,其链路预测面临的挑战是节点相遇的机会性和拓扑的时变性,获得其高质量链路预测的关键是如何较全面地获取节点的属性.作者提出基于学习自动机和萤火虫算法的链路预测方法(link prediction ...     

基于最大独立链路集的随机虚拟网络映射算法

提出了一种基于最大独立链路集的快速随机虚拟网络映射算法. 基于图论中的匹配理论重新定义了带权图中匹配的概念,并命名为独立链路集,在映射独立链路集中的虚拟链路时首先将物理链路按照资源可用性进行筛选,然后随机映射到单一物理链路上,以此提高虚拟网络映射成功率及减少链路映射消耗,同时随机映射能保证物理网络的负载均衡. 仿真实验表明,该算法能有效减少链路映射的消耗和提高虚拟网络接受率.     

基于门控循环单元的链路质量预测

链路质量预测可以为上层路由协议选择高质量的无线链路进行通信提供依据。采用手肘法优化的K-means++算法,在此基础上自适应划分链路质量等级;选择RSSI均值、LQI均值以及SNR均值作为链路质量参数;基于Catboost评估链路质量,采用网格搜索法优化CatBoost超参数;使用滑动时间窗口得到链路质量时间序列样本集,使用 GRU提取链路质量的时序信息,将时序信息输入支持向量回归预测得到下一时刻链路质量等级。在室内、走廊以及停车场三个场景下实验表明,与基于小波神经网络、循环神经网络和随机向量函数链等方法构建的链路质量预测模型相比,本文提出的方法有更高的预测准确率。     

基于网络表示学习的机会网络链路预测

针对机会网络的多维链路属性和网络结构动态变化的特点,提出基于网络表示学习的链路预测方法。设置切片时长,将机会网络转化为网络快照序列,利用多维链路属性表示每个快照内的链路状态。采用网络表示学习方法聚合邻居节点的多维链路属性,并映射为低维的属性嵌入矩阵;采用基于注意力机制改进的循环神经网络学习网络拓扑随时间动态演化的规律,提取属性嵌入矩阵之间的时序特征;在输出层建立时序特征与链路状态之间的映射关系,实现下一时刻整网的链路预测。在Infocom-05和Hyccups等数据集上的实验结果表明,与现有同类方法相比,所提方法具有更高的预测精度。     

基于链路稳定性预测的动态源路由协议

该文对Ad Hoc网络的动态源路由协议进行了研究,并进一步提出了一种改进的路由协议：链路稳定性预测动态源路由协议。该协议在路由维护中采用了链路稳定性预测的思想,同时也保留了动态源路由协议的跳数最短原则,它对Ad Hoc网络技术的研究有着重要的意义。由仿真和分析可知,该协议降低了丢包率,改进了原有协议的性能,对Ad Hoc网络而言是一种简单而高效的路由协议。     

电信网中基于社区挖掘的用户行为预测算法

利用社会网络分析去解决电信网中的用户行为预测问题,把用户行为预测转换为社区挖掘和社区内用户行为预测2个步骤。之后,利用改进的凝聚层次聚类算法实现了电信网中用户的社区挖掘,通过对社区内的邻近度进行排序,设计了社区内用户行为的预测算法。仿真实验结果表明,该算法能够有效的预测出指定社区中的用户行为。     

基于广度优先搜索的虚拟网络映射算法

针对虚拟网络映射中的资源分配问题,通过建立节点资源度量模型,采用图的广度优先搜索遍历方法和节点同步遍历策略,依次将虚拟网络中相邻的虚拟节点映射到物理网络中邻接的物理顶点上,协调完成虚拟节点和虚拟链路的映射操作,降低虚拟链路的映射路径长度。仿真实验表明,提出的BFS-VNM算法有效地降低了虚拟链路扩张因子,提高了网络收益与开销比和虚拟网络请求接受率。     

基于动态贝叶斯网络的WSNs链路质量预测

无线传感器网络中,链路质量预测为数据可靠传输和上层网络协议性能的提高提供支撑。为进一步提高链路质量预测的准确性,提出基于动态贝叶斯网络（dynamic Bayesian networks,DBN）的链路质量预测机制。为避免单一评价指标的片面性,从链路信号质量、链路稳定性及非对称性3方面综合评价链路质量;采用K-means聚类算法对参数进行离散化预处理,得到各参数的离散区间;采用熵值法确定各参数的权重,以消除参数权重计算中主观因素的干扰;为避免最大隶属原则的缺陷,采用非对称贴近度分析法构建综合性的链路质量等级指标;借助贝叶斯网络（Bayesian networks,BN）处理不确定性问题的优势和BN分类器在分类上的良好性能,确定DBN的初始网络和转移网络,采用EM算法进行DBN模型的参数学习,从而构建了基于DBN的链路质量预测模型。实验结果表明了采用非对称贴近度分析法划分链路质量等级的合理性与DBN链路质量预测模型的合理性;与4C及FLI预测模型相比,本文模型具有更高的预测准确度。采用链路信号质量、链路稳定性及非对称性3个指标评价链路质量,采用DBN构建预测模型,可得到更准确及鲁棒性更好的链路质量预测结果。     

基于改进最小二乘支持向量回归机的链路质量预测

为了准确地预测链路质量,提出基于改进最小二乘支持向量回归机的无线传感器网络链路质量预测模型.采用粗糙集理论约简链路质量参数,以提取出有效反映链路质量的特征参数;利用遗传算法优化最小二乘支持向量回归机的惩罚因子和核函数宽度.实验结果表明,与Experts Advice预测模型相比,提出的预测模型具有更高的精度.