English
Roles of degree, H-index and coreness in link prediction of complex networks
文件大小：
690k
资源说明：在复杂网络的链接预测研究中，网络节点的度（Degree）、H指数（H-index）和核心性（coreness）起着至关重要的作用。度是指与一个节点直接相连的其他节点的数量，通常用来衡量节点的重要性或活跃度。H指数最初用于衡量学术领域中学者的成就，后被引入到复杂网络分析中，用来描述一个节点的影响力或重要性。核心性则是用于衡量节点在复杂网络中的位置和重要性，通常核心性高的节点位于网络的核心位置，具有较高的连接性和传递信息的效率。
链接预测是复杂网络分析中的一个重要研究方向，其目的是预测网络中哪些节点之间可能会建立新的链接。基于拓扑相似性的链接预测方法受到了越来越多的关注，因为它不仅关注两个未连接节点间的路径的有用性，还考虑了仅考虑度数的节点的影响。在传统的链接预测方法中，研究者主要关注路径的有用性，而较少关注只考虑节点度数的影响。通过深入的研究，人们发现除了度数之外，H指数和核心性在链接预测中也能扮演重要的角色，尤其是在基于SRW（Simple Random Walk）模型的预测中，这是首次将影响力引入链接预测的模型。本文主要研究在SRW模型的基础上度数、H指数和核心性在链接预测中的角色，并通过广泛的实验探索其对准确链接预测的影响。
文章详细介绍了复杂网络的相关概念，如节点、边、度数等，并探讨了传统链接预测方法的局限性。作者提出，通过将节点的H指数和核心性纳入模型，可以更全面地捕捉节点的影响力，从而提高链接预测的准确度。文章还强调了在基于SRW的模型中引入影响力概念的重要性，即节点的影响力不仅仅体现在其连接数（度数），还包括其在网络中的位置和潜在的能力。
文章中还提到了使用十二个真实基准数据集进行的广泛实验，这些实验结果表明，在大多数情况下，H指数比度数或核心性更能作为一个较好的折中方案，用于不准确的链接预测。实验还探讨了如何在不同的网络结构中应用度数、H指数和核心性，以识别和预测潜在的链接。
在链接预测的复杂网络研究领域，有很多研究人员贡献了他们的工作，这使得复杂网络成为一个描述复杂系统中各个组成部分如何相互作用的有效工具。复杂网络不仅被用来研究自然和技术系统，还被广泛应用于社会网络、生物网络、信息网络和经济网络等领域。链接预测有助于揭示网络中隐藏的结构和动态变化，对于理解和预测复杂系统的演化、优化网络结构和功能具有重要意义。
本文探讨了在复杂网络中进行链接预测时，将度数、H指数和核心性纳入模型的必要性，并通过实验验证了这些指标对链接预测准确性的贡献。这些研究对于提高链接预测的精度以及对于推动复杂网络理论和应用的发展均具有重要的理论和实际意义。
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。
