关键词: 链接预测, 机器学习, 动态网络, 社会网络分析, 集成学习, 监督学习

摘要：

链接预测是社会网络分析中的一个关键问题。大多数传统的链路预测方法仅仅基于网络的无定向结构来查找丢失的链路或预测未来的链路，而忽略了网络的动态性。为了更好地利用网络的动态信息，取得更好的效果，本文提出了一种考虑网络演化的方法。利用机器学习技术对网络结构特征的变化进行建模。针对每个结构特征训练分类器，并通过加权所有分类器获得最终的集成结果。在三个实际协作网络中的实验结果表明，该方法优于传统的静态链路预测方法和相关的动态链路预测方法，这表明，网络的动态信息大大促进了链路预测的结果，实验结果还表明，不同的结构特征对网络动力学的描述能力不同。

关键词： 链接预测， 机器学习， 动态网络， 社交网络分析， 集成学习， 监督学习