摘要：随着信息技术的不断发展，以网络理论为基础的学科应运而生，链路预测是网络科学领域的重要研究之一，其主要研究网络间未存在连边的节点间产生链接的可能，该研究有利于理解大自然中的网络问题，对网络的演化机制更为清晰；除此之外，该技术对于真实的系统可广泛应用，间接推动社会进步。

本文主要研究了基于网络拓扑结构的链路预测方法，在实验当中选用某城市手机用户的短信信息作为数据，通过构建网络来提取节点特征、边特征、共同邻居特征。然后用XGBoost算法进行训练学习。最后采用AUC评价标准进行预测性能优劣的分析，得出在节点特征、共同邻居特征以及所有特征中，基于所有特征的链路预测效果更佳。

关键词：拓扑结构；链路预测；机器学习；XGBoost算法

目录

摘要

Abstract

1 绪论-1

1.1研究背景及意义-1

1.2链路预测研究现状-2

1.3本文主要研究内容-4

2 相关理论基础-5

2.1 网络的基本定义及相关参数简介-5

2.2 网络基本拓扑结构特征-6

2.2.1 节点特征-6

2.2.2 边特征-7

2.2.3 基于共同邻居特征-8

2.3 链路预测的基本概念-9

2.3.1 问题描述-9

2.3.2 数据集划分-10

2.3.3 AUC评价标准-11

2.4 本章小结-11

3 基于网络拓扑结构的链路预测实验-12

3.1 实验目的-12

3.2 实验工作流程及网络构建-12

3.2.1 实验工作流程-12

3.2.2 网络构建-- 14 -

3.3 机器学习的XGBoost算法-16

3.4 本章小结-17

4 链路预测的实验过程及结果分析-19

4.1 实验数据说明-19

4.2 实验操作步骤-21

4.3 基于节点属性特征的结果分析-24

4.4 基于共同邻居特征的结果分析-24

4.5 基于所有特征的结果分析-25

4.6 本章小结-25

结    论-26

参 考 文 献-27

致    谢-30