数据分析之图算法: 基于Spark和Neo4j

160

｜

第

8

章

为通常隐藏在多重迷雾和网络关系中。如果没有图承载的上下文信息，仅靠传统的特征提

取和选择方法，可能无法检测到这些行为。

关联特征增强机器学习的另一个领域（也是本章后续内容的重点）是

链接预测

（

link

prediction

）。链接预测可用于估计未来形成某种关系的可能性，或者说该关系可能已经存在

于图中，只是由于数据不完整而丢失了。由于网络是动态的并且可以快速增长，因此对即

将添加的链接进行预测有广泛的用途，例如产品推荐、药物重定向，甚至推断犯罪关系等。

从图中提取的关联特征通常用于改进链接预测结果，这包括基本的图特征以及通过中心

性算法和社团发现算法提取的特征。基于节点接近度或相似度的链接预测也是标准方

法，

David Liben-Nowell

和

Jon Kleinberg

在论文“

The Link Prediction Problem for Social

Networks

”中提出，在发现节点的接近度方面，仅网络结构本身就可能包含足够的潜在信

息，而且优于更直接的度量方法。

通过关联特征增强机器学习的方法已介绍完毕，下面深入研究链接预测示例，看看如何应

用图算法来改进预测结果。

8.3

　图与机器学习实践

：

链接预测

接下来展示一个基于引文网络数据集的实用示例，该数据集是从

DBLP

、

ACM

和

MAG

提取的研究数据集。唐杰等人撰写的论文“

ArnetMiner: Extraction and Mining of Academic

Social Networks

”介绍了该数据集，其最新版本包含 ...