即可将网页分享至朋友圈
近日，大数据研究中心在国际著名期刊《美国科学院院刊》（PNAS）发表了题为“复杂网络链路可预测性”（Toward link predictability of complex networks）的研究论文。我校互联网科学中心一年级博士生潘黎明和大数据研究中心周涛教授为共同第一作者。
链路预测（Link Prediction）是网络科学中一个基础性的重要问题。该问题从已经观察到的网络结构入手，预测可能被观察漏掉的，或未来会出现的链路。精准的预测结果可以指导生物网络结构验证实验，大幅度节省实验成本和提高实验效率；可以进行在线社交网络的好友推荐；还可以挖掘出网络生长的内在机制。
潘黎明等人提出用网络特征向量空间来衡量网络的结构规则性，并假设网络规则性越强，受随机增加或减少链路的扰动影响越小。通过应用类似于量子力学中对哈密顿量做一阶微扰的方法，潘黎明等人提出了名为“结构一致性”（structural consistence）的新指标，这个指标是网络的一个特征指标，并可以直接用来刻画网络“可被预测的程度”。在此基础上，潘黎明等人提出了一种名为“结构微扰法”的新的链路预测方法，其在预测丢失链路以及甄别噪音边两方面都明显超过了当前主流的方法。
近几年来，周涛教授研究组在链路预测方面做出了系统性的贡献。其2011发表在《物理A》题为“复杂网络链路预测综述”（Link prediction in complex network: A survey）的论文迄今Google引用达到423次，周涛教授为通讯作者；其2009年发表在《欧洲物理学杂志B》题目“利用局部预测丢失链路”（Predicting missing links via local information）的论文迄今Google引用达到283次，周涛教授为第一作者。这两篇论文都入选了ISI ESI高引用论文。
《美国科学院院刊》(PNAS)是与Nature、Science齐名，被引用次数最多的综合学科文献之一，周刊。自1914年创刊至今，PNAS提供具有高水平的前沿研究报告、学术评论、学科回顾及前瞻、学术论文以及美国国家科学学会学术动态的报道和出版。PNAS收录的文献涵盖生物、物理和社会科学，2008年的影响因子为9.38，2009年影响因子为9.432。在SCI综合科学类排名第三位，因而已成为全球科研人员不可缺少的科研资料。
论文链接：
编辑：林坤 / 审核：旷野 / 发布：旷野
