贾成峰;韩,华;吕亚南;张璐 基于Word2vec和粒子群的链路预测算法。 (中文。英文摘要) 兹比尔1463.62280 《汽车学报》。罪恶。 46,编号8,1703-1713(2020). 摘要:链路预测中存在两个主要问题:特征提取困难和类数据不平衡。本文将文本处理中的深度学习特征提取算法和优化问题中的粒子群优化算法相结合,提出了一种基于词向量的算法。该方法首先通过随机行走生成一组节点序列,并使用Word2vec算法提取节点序列特征。然后,在有监督的条件下,利用粒子群算法对提取的特征进行过滤,并确定重采样参数,解决类别数据的不平衡问题。分析了不同链路预测算法的计算复杂度。最后,将本文的算法与基于相似性、深度学习和非平衡数据的三种链路预测算法进行了比较,并在四种不同的时间序列网络中进行了实证研究。结果表明,本文提出的链路预测算法具有更准确的预测精度,更稳定、通用。 MSC公司: 62M20型 随机过程推断和预测 68吨10 模式识别、语音识别 68T20型 人工智能背景下的问题解决(启发式、搜索策略等) 05C82号 小世界图形、复杂网络(图形理论方面) 关键词:链路预测;特征提取;不平衡问题;深度学习;粒子群优化 软件:单词2vec PDF格式BibTeX公司 XML格式引用 \textit{C.Jia}等人,《汽车学报》。罪恶。46,第8号,1703-1713(2020;Zbl 1463.62280) 全文: 内政部