刚刚发表一篇论文“复杂网路中的链路预测：一种局部朴素Bayes模型”。 吕琳媛博士为通讯作者，刘震副教授为第一作者，张千明博士为第二作者。

链路预测是网络数据挖掘中最基本的问题，从指导系统生物学实验到在线社交网络朋友推荐等多方面有广泛应用。共同邻居方法假设两个节点对拥有的共同邻居越多它们越倾向于链接，这一方法在很多实证网络中都证明是有效的。文章认为不同的共同邻居对于节点对产生链接的贡献应该是不同的，比如两个人的共同朋友可能很多，但这些朋友可能是益友或者是损友，它们各自对于促进这二人成为朋友的作用（影响力）应该是不同的；而传统共同邻居方法的缺陷在于没有对不同共同邻居的作用进行区分。基于此，我们提出了一种局部朴素Bayes模型，这个模型定义了一个角色函数可以较准确地揭示不同共同邻居的作用。在对美国航空网络的实证分析中发现，有些机场之间虽然共同邻居很多，但由于这些共同邻居大多数都是Hub节点，根据角色函数计算可以得出这些共同邻居机场倾向于抑制机场之间形成链接，因此这些机场之间不会形成直航航线而是建立与Hub机场链接的中转航线，这恰恰符合这些机场的实际航线建立情况。因此相对于共同邻居方法，局部朴素Bayes模型的确可以更好地刻画美国航空网络的网络特征。

我们提出的思路和方法在如食物链网络等其他网络中也得到了证实。

论文信息：Zhen Liu, Qian-Ming Zhang, Linyuan Lü and Tao Zhou,Link prediction in complex networks: A local naïve Bayes model , EPL 96 (2011) 48007.