简介:链路预测是网络信息挖掘的主要研究内容,通过对网络结构和其他信息的分析,挖掘缺失的链接或预测未来可能出现的链接。链路预测在推荐系统、社会网络和生物网络分析中有着十分广泛的应用。本文首先介绍了基于公共邻居、路径和随机游走的8种常用的链路预测指标.并在此基础上提出了一种基于这8种指标线性组合的度量指标,并经过实验找出了较好的优化参数。然后,提出了基于这8种指标的神经网络模型.并分别基于Weka平台和FANN库进行了实现。在社会网络的4个公开测试集上的实验结果表明.基于FANN库的神经网络模型的预测结果最好,在4个数据集上最高的AUC值分别达到了0。95l8、0.9289、0.7480和0.8677,与单一指标最好的AUC值相比分别提高了3.92%、1.45%、7.06%和24.35%。
简介:在供应链知识服务网络中,知识创造、技术更新是企业持续发展、获得竞争优势的最重要方式。对具有企业核心价值的知识来说,知识成本的投入是采用自我研发的方式还是由专业化的知识服务商提供,对企业的未来发展战略以及投资回报都有直接影响。本文在研究一个知识提供方和一个知识需求方的条件下,通过构建Nash博弈、以知识提供方为主导的Stackelberg博弈、以知识需求方为主导的Stackelberg博弈和合作博弈四种模型,对知识投入成本、价格以及收益进行博弈研究,最终给出最优解。结论指出,供应链若获得最大收益,则知识提供方与知识需求方应该建立战略联盟或合作框架,在供应链最大收益的情况下协商内部分配问题,同时该种情况下的知识成本投入也最大;对于以投入知识获取收益的企业来说,以知识提供方为主导的Stackelberg均衡博弈模型是较好的选择。