English
资源说明：### 基于显著影响的链接预测研究
#### 摘要
本文介绍了一项关于复杂网络中的链接预测的研究工作，该研究提出了一个新的链接预测指标——显著影响（Significant Influence, SI）。传统的链接预测方法通常假设节点度数代表了节点的影响能力，并倾向于促进大度数节点之间的连接。然而，通过深入研究网络结构，本研究发现节点间的影响实际上是由它们之间通过路径建立的关系所决定的。特别是，通过共同邻居节点形成的较短路径可以带来更强的影响；相反，较长路径产生的影响则较弱。基于这些观察，研究者们提出了一种新的模型SI来区分强影响与弱影响，并据此提高了链接预测的准确性。
#### 引言
近年来，随着复杂网络理论的发展，许多研究致力于探索网络的拓扑特征及其功能，以全面理解复杂网络的本质特征。链接预测作为解决相关问题的一种手段，在许多研究中被提出，并逐渐吸引了更多的关注。链接预测的目标是根据现有网络结构预测未来可能出现的新链接或已删除的链接，这对于推荐系统、社交网络分析、生物网络研究等领域具有重要意义。
#### 显著影响模型（SI）
在传统链接预测方法中，大多数研究假设节点的度数越大，其影响能力也越强，因此倾向于预测大度数节点间的连接。然而，这种假设忽略了节点间关系的实际形成机制。实际上，节点间的影响并非仅由单个节点的度数决定，更重要的是节点之间通过何种路径相互作用。
本研究提出的显著影响模型（SI）通过以下方式改进了传统方法：
1. **定义强影响与弱影响**：强影响指的是通过较短路径（尤其是共同邻居节点）连接其他节点的能力，而弱影响则是指通过较长路径连接其他节点的能力。
2. **区分强弱影响**：SI模型能够有效地区分这两种类型的影响，从而更准确地预测哪些节点之间可能建立新链接。
#### 实验结果
为了验证SI模型的有效性，研究团队在12个基准数据集上进行了实验对比，并与主流的基线方法进行了比较。实验结果表明，SI模型在提高链接预测准确性方面表现出了明显的优势。
#### 结论
本研究通过提出一种新的链接预测指标——显著影响（SI），成功地改进了传统方法在链接预测方面的不足。SI模型不仅考虑了节点的度数，还考虑了节点间通过不同路径建立的关系，特别是在区分强影响与弱影响方面做出了创新性的贡献。这一研究成果对于理解和优化复杂网络中的链接预测具有重要的理论意义和实际应用价值。
基于显著影响的链接预测方法为复杂网络研究领域提供了一个新的视角，有助于我们更好地理解网络结构的演化规律，并为进一步的研究提供了有价值的参考。
本源码包内暂不包含可直接显示的源代码文件，请下载源码包。
