一种基于二阶局部群落共同邻居比例和节点相关性的预测网络连边的方法与流程

技术特征：

1.一种基于二阶局部群落共同邻居比例和节点相关性的预测网络连边的方法，其特征在于：包括如下步骤：

步骤一：构建内部连通的无向无权网络G(V,E),E为连边，V为节点,其邻接矩阵用A表示；

步骤二：任意选取网络G中两个无连边的节点i和j为两个种子节点，i和j之间路径长度为2的中间的一个节点为一阶共同邻居，长度为3的路径的中间2个节点为二阶共同邻居，提取所有i和j的一阶共同邻居节点和二阶共同邻居节点以及这些节点之间的连边，构成二阶局部群落，该群落的节点总数记为CN_ij，总连边数量记为SCS_ij，节点i和j的一阶和二阶邻居的总数分别记为T_i和T_j，其中与节点i或j的路径长度等于1的节点为其一阶邻居，与节点i或j的路径长度等于2的节点为其二阶邻居；

步骤三：计算二阶局部群落的边聚类系数：

$K_{ij}={\mathrm{SCS}}_{ij}/\frac{{\mathrm{CN}}_{ij}*({\mathrm{CN}}_{ij}-1)}{2};$

步骤四：计算二阶局部群落的简谐平均距离：

其中，

${\mathrm{AVG}}_{ij}=\frac{1}{{\mathrm{CN}}_{ij}*({\mathrm{CN}}_{ij}-1)/2}\underset{g\≠h}{\Σ}\frac{1}{d_{gh}};$

上式中，g和h表示二阶局部群落中任意两个节点，d_gh为g和h两个节点之间的路径长度；

步骤五：计算二阶局部群落的连边密度：

D_ij＝SCS_ij/CN_ij；

步骤六：计算二阶局部群落系数：

${\mathrm{LCT}}_{ij}=K_{ij}/{\stackrel{\‾}{L}}_{ij}*D_{ij};$

步骤七：计算节点i，j的皮尔逊积矩相关系数：

$S_{ij}=\frac{{\Σ}_k(A_{ik}-\<A_i\>)(A_{jk}-\<A_j\>)}{\sqrt{{\Σ}_k{(A_{ik}-\<A_i\>)}^2}\sqrt{{\Σ}_k{(A_{jk}-\<A_j\>)}^2}};$

上式中，＜A_i＞表示邻接矩阵中第i行元素的均值其中n表示邻接矩阵A含n个节点；

步骤八：计算两个节点i，j之间的相似性分数指标：

HJCP_ij＝LCT_ij/CN_ij*COS_ij/(T_i+T_j-CN_ij)+λ*S_ij；

上式中，λ为可调参数；

步骤九：遍历网络，针对所有未直接连接的节点对，重复步骤二至步骤八，计算相应的HJCP指标作为节点对之间的可能产生连边的评价指标，HAJCP指标越高，节点对之间越可能存在连边；将网络中所有的未直接相连的节点对之间的HJCP指标按照由高到低的顺序排列，取前h个HJCP指标对应的节点对为可能的预测连边，h≤H，其中H为网络中没有直接连边的节点对的总数。