一种基于BenefitRanks在加权网络上链路预测方法与流程

技术特征：

1.一种基于Benefit Ranks在加权网络上链路预测方法，其特征在于，包含：

获取Benefit Rank值；

根据所述Benefit Rank值做链路预测。

2.如权利要求1所述的基于Benefit Ranks在加权网络上链路预测方法，其特征在于，在获取Benefit Rank值的步骤中，通过以下公式获得Benefit Rank值：

${\mathrm{rank}}_i=\underset{n_j\∈nei\left(i\right)}{\Σ}{\mathrm{rank}}_j\·p_{j,i},$

其中，P_ij为从状态i到状态j的转移概率。

3.如权利要求2所述的基于Benefit Ranks在加权网络上链路预测方法，其特征在于，从状态i到状态j的转移概率P_ij的计算公式变为：

$p_{i,j}=\frac{w_{i,j}^{\mathrm{\α}}}{{\mathrm{\Σ}}_{z\∈nei\left(i\right)}{w}_{i,z}^{\mathrm{\α}}}$

其中，α为弱链接参数。

4.如权利要求3所述的基于Benefit Ranks在加权网络上链路预测方法，其特征在于，在获取Benefit Rank值的步骤中，需同时满意条件一：每条边的权值必须大于零和条件二：弱链接参数α的值提前设定。

5.如权利要求4所述的基于Benefit Ranks在加权网络上链路预测方法，其特征在于，所述弱链接参数α的值大于等于零且小于等于一。

6.如权利要求5所述的基于Benefit Ranks在加权网络上链路预测方法，其特征在于，所述弱链接参数α的值为0。

7.如权利要求1-6所述的基于Benefit Ranks在加权网络上链路预测方法，其特征在于，所述获取Benefit Rank值的过程经过若干次迭代获得。

8.如权利要求7所述的基于Benefit Ranks在加权网络上链路预测方法，其特征在于，设定所述迭代次数为两次。

9.如权利要求1所述的基于Benefit Ranks在加权网络上链路预测方法，其特征在于，在根据所述Benefit Rank值做链路预测的步骤中，通过以下公式获得相似性度量：

$S_{xy}^{BrRA}=\underset{z\∈\mathrm{\Γ}\left(x\right)\∩\mathrm{\Γ}\left(y\right)}{\Σ}\frac{w{(x,z)}^a+w{(z,y)}^a}{rank\left(z\right)};$

其中，x、y、z为结点，且结点z为结点x和结点y的共同邻居，α为弱链接参数，rank(z)为结点z的Benefit Rank值。