基于高阶编码的复杂网络链路预测

链路预测旨在利用网络的拓扑性质、节点特征等预测原本不相连的两个节点未来产生连接的概率。如何更有效地挖掘节点的信息一直是影响链路预测性能的重要因素。目前提出的链路预测算法普遍存在预测性能差或算法时间复杂度高的问题，造成了链路预测应用的局限。高阶的链路预测算法考虑了节点的1阶相似性、2阶相似性、……、n阶相似性，融入了更多节点间的信息，可以更好地表示节点之间的关系，从而更有效地挖掘网络的信息。本书从复杂网络角度出发，对基于高阶编码的链路预测算法进行了总结与探索。全书分为4部分，由11章构成，第1部分（第1-3章）介绍了复杂网络与链路预测相关的基础知识以及经典的基于节点相似性的链路预测算法；第2部分（第4-7章）考虑了节点与邻居的邻居节点的高阶相似性关系，介绍了基于网络表示学习的高阶编码链路预测算法；第3部分（第8、9章）从物理学的角度出发，考虑节点与节点之间的相互作用力以及节点的高阶特征，介绍了基于复杂网络引力场的高阶编码链路预测算法；第4部分（第10、11章）介绍了链路预测当下的主流应用。最后，本书做了整体总结，并指出了待改之处。本书可作为研究复杂网络、链路预测和推荐系统等领域的参考，也适合企业开发者和项目经理阅读。另外，对链路预测感兴趣的本科生和研究生也同样可以参考本书。