1、大數(shù)據(jù)時(shí)代，信息以網(wǎng)絡(luò)的形式呈現(xiàn)，可以說(shuō)網(wǎng)絡(luò)是對(duì)復(fù)雜系統(tǒng)的一種抽象表達(dá)。節(jié)點(diǎn)表示復(fù)雜系統(tǒng)中的主體，連邊表示主體間的相互作用關(guān)系。對(duì)網(wǎng)絡(luò)的研究有助于我們更深刻地理解和認(rèn)識(shí)其所對(duì)應(yīng)的復(fù)雜系統(tǒng)。網(wǎng)絡(luò)中的鏈路預(yù)測(cè)則是對(duì)復(fù)雜系統(tǒng)中主體間相互作用關(guān)系的預(yù)測(cè)。它根據(jù)觀察到的網(wǎng)絡(luò)結(jié)構(gòu)等信息，預(yù)測(cè)實(shí)際存在但未被檢測(cè)到的，或者未來(lái)某一時(shí)刻可能會(huì)出現(xiàn)的連邊。
　　隨著信息技術(shù)的發(fā)展，大量來(lái)自社會(huì)經(jīng)濟(jì)系統(tǒng)中的數(shù)據(jù)更容易獲取和收集，但是由于數(shù)量龐大，結(jié)構(gòu)復(fù)

2、雜等特點(diǎn)，使得收集的數(shù)據(jù)存在錯(cuò)誤和缺失的問題，這為科學(xué)研究的可靠性帶來(lái)極大的挑戰(zhàn)。應(yīng)用鏈路預(yù)測(cè)方法可以對(duì)網(wǎng)絡(luò)中的虛假信息進(jìn)行識(shí)別，對(duì)于缺失連接進(jìn)行補(bǔ)充，進(jìn)而對(duì)網(wǎng)絡(luò)實(shí)現(xiàn)重構(gòu)，使其更接近于真實(shí)的情況。
　　本文首先回顧了近幾年鏈路預(yù)測(cè)的研究進(jìn)展，以及滲流理論在物理和網(wǎng)絡(luò)科學(xué)中的發(fā)展概況，然后提出一種創(chuàng)新的基于網(wǎng)絡(luò)鍵滲流過(guò)程的鏈路預(yù)測(cè)方法。網(wǎng)絡(luò)中每一條邊以概率p保留，1-p刪除，隨著p增大網(wǎng)絡(luò)形成一個(gè)最大的連通分量，此時(shí)網(wǎng)絡(luò)處于滲流狀態(tài)

3、，所對(duì)應(yīng)的p為滲流臨界值，即pc。滲流鏈路預(yù)測(cè)方法的基本假設(shè)是經(jīng)過(guò)刪邊過(guò)程，網(wǎng)絡(luò)破碎成多個(gè)小的連通分量，如果兩個(gè)節(jié)點(diǎn)處于同一連通分量的概率較大，則他們之間更有可能產(chǎn)生連邊。在四個(gè)真實(shí)網(wǎng)絡(luò)中的實(shí)驗(yàn)結(jié)果表明，本算法在網(wǎng)絡(luò)臨界值附近能夠獲得較高的預(yù)測(cè)精度，并優(yōu)于一些傳統(tǒng)的鏈路預(yù)測(cè)方法。同時(shí)，由于該算法可以并行化計(jì)算，因此可以處理大規(guī)模網(wǎng)絡(luò)的鏈路預(yù)測(cè)問題。為了探究算法的適用性及其內(nèi)在機(jī)制，本論文設(shè)計(jì)了一系列網(wǎng)絡(luò)模型來(lái)考察算法的影響因素，包括可調(diào)

4、節(jié)網(wǎng)絡(luò)集聚系數(shù)的模型，可調(diào)節(jié)網(wǎng)絡(luò)平均度的模型以及可調(diào)節(jié)模塊度的模型。結(jié)果發(fā)現(xiàn)：隨著集聚系數(shù)增加，網(wǎng)絡(luò)的預(yù)測(cè)效果越來(lái)越好；隨著網(wǎng)絡(luò)密度的增加，最優(yōu)的預(yù)測(cè)參數(shù) p*越來(lái)越接近網(wǎng)絡(luò)滲流臨界值pc；模塊度對(duì)p*的影響不明顯，但是隨著模塊度的增加pc越來(lái)越大，使得 p*向左偏離 pc；相比傳統(tǒng)預(yù)測(cè)方法，滲流預(yù)測(cè)方法在集聚系數(shù)小且模塊度較大的網(wǎng)絡(luò)中表現(xiàn)出更大的優(yōu)勢(shì)。最后，我們將本算法進(jìn)一步擴(kuò)展到含權(quán)網(wǎng)絡(luò)中，提出含權(quán)滲流鏈路預(yù)測(cè)方法，并應(yīng)用到腦網(wǎng)絡(luò)連