一种基于网络表示学习的链路预测方法

本发明提供一种基于融合Node2vec与Struc2vec的两级Stacking链路预测方法，属于复杂网络分析领域。该方法采用了Node2vec和Struc2vec算法来提取节点特征并构建连边特征向量，该特征向量可以充分学习网络节点近邻相似性和结构相似性信息，然后这些向量被用作链接预测方法的输入。针对单一机器学习算法在链路预测中精度不高的问题，将SVM、XGBoost和MLP作为基分类器，Logistic Regression作为二层分类器构成了整个Stacking方法。在多个真实网络中进行试验，通过评估指标比对分析了方法及其基分类器效能，验证了集成学习算法的有效性，可以在整体上提升预测精度。