摘要：链路预测是复杂网络中的研究热点之一。社团结构是复杂网络的一个重要结构特征，体现了很多重要的网络信息，比如社团划分情况、网络模块度和社团连边分布情况等，将其应用在链路预测中，对提高准确性有重要意义。

常用的链路预测准确性评价指标为AUC和Precision，无论是AUC还是Precision，虽然它们对精确度衡量的侧重点有所不同，但是它们有一个共同点：评价指标越大说明链路预测的准确性越好。我们在本链路预测系统中利用了这两个评价指标，来比较控制变量时，不同社团因素对链路预测准确性的影响。

为了初步探究社团信息如何影响链路预测准确性，首先利用多种社团划分算法划分网络，检测不同的划分结果对准确性的影响；其次改变网络社团内外连边分布，得到不同的模块度，分析模块度不同时准确性的变化；最后区分社团内外连边，分别对内外连边进行链路预测，比较其与网络整体链路预测准确性的大小。通过了解社团信息在链路预测中所起的作用，可以有针对性地提高链路预测准确性，为基于链路预测的研究提供理论和实验支持。

关键词：链路预测；复杂网络；模块度

目录

摘要

Abstract

1 绪论-1

1.1研究背景及意义-1

1.2国内外研究现状-2

1.3 本文研究主要内容-2

1.4 论文组织架构-3

2 复杂网络及链路预测的基本概念-4

2.1 复杂网络-4

2.1.1 复杂网络基本概念-4

2.2 链路预测-5

2.2.1 链路预测基本概念-5

2.2.2 链路预测的意义-5

2.3 链路预测及社团信息相关知识-6

2.3.1 评价指标-6

2.3.2 模块度-6

2.3.3 数据集划分-7

3 基于不同社团划分算法的链路预测-8

3.1 算法的提出和描述-8

3.2 算法的结果和分析-9

4基于不同复杂网络模块度的链路预测-10

4.1算法的提出和描述-10

4.2 算法的结果和分析-10

5基于复杂网络不同种类连边的链路预测-12

5.1 算法的提出和描述-12

5.2 算法的结果和分析-12

结    论-14

参 考 文 献-15

致    谢-16