关键词:
机会网络
链路预测
节点嵌入
节点潜在特征相似性
节点拓扑结构相似性
摘要:
机会网络是一种利用节点移动带来相遇机会实现通信的自组织网络,可应用于野生动物追踪、水下营救、偏远地区网络覆盖等场景。相较于普通网络,机会网络具有节点连接稀疏、网络结构复杂及拓扑变化频繁等特点,给机会网络带来挑战。本文提出一种基于特征相似性的机会网络链路预测模型(FS-ET)。首先,采用Graph2vec模型表征网络得到其样本熵和模型训练时长,基于二者选取合适的切片时长,将动态网络进行切片生成离散的网络演化序列。然后,采用基于GraphSAGE的节点嵌入模型提取节点潜在特征,并结合节点的连接时长计算节点对的潜在特征相似性;通过分析节点与多阶邻居的连边关系,根据节点局部连接信息计算节点对的拓扑结构相似性;采用L2范数对潜在特征相似性及拓扑结构相似性进行融合。最后,改进趋势移动平均法对历史信息进行时序特征提取,并提取融合后节点相似性的时序特征,得到未来节点间产生连接的可能性。在ITC、MIT、Infocom05和Infocom06共4个真实机会网络数据集上进行了切片、模型复杂度、泛化性、有效性的实验。结果表明:与长短期记忆网络模型(LSTM)、网络嵌入补充网络域中相似性模型(NESND)、端到端链路预测模型(E-LSTM-D)、非线性链路预测模型(GCN-GAN)、结构嵌入门控循环单元的预测模型(SE-GRU)、一种新的端到端链路预测模型(GC-LSTM)等相比,本文提出的FS-ET模型提升了0.5%~24.8%的AUC和1.07%~22.77%的F1-score,相较于其他基线模型均有一定程度的提升,验证了本文模型具有良好的预测性能。