摘要： 基于局部随机游走的链路预测算法忽略网络结构对转移概率的影响，不适用于具 有局部高聚集程度的网络，因此提出叠加随机游走重力模型的链路预测算法。结合局部信息重 定义随机游走的转移概率矩阵，将其应用到叠加随机游走中，量化局部网络结构对游走转移的 影响，利用叠加随机游走得到的转移概率重定义重力模型参数，计算节点之间的相似性。与基 于局部信息、路径、随机游走和节点聚类系数的算法相比，在局部无高聚集程度的网络中，新算 法的 ＡＵＣ指标平均为 ０．９５１，提高了 １．３％，Ｐｒｅｃｉｓｉｏｎ指标提高了 ０．９％；在具有局部高聚集程 度的网络中，新算法的 ＡＵＣ指标平均为 ０．９７８，提高了 ５．５％，Ｐｒｅｃｉｓｉｏｎ指标提高了 １．４％。

关键词: 链路预测；相似性；局部随机游走；聚类系数；重力模型

中图分类号: 

• TP301