基于节点重要性的链路预测算法

　　复杂网络链路预测是根据已知、可观察到的节点的拓扑结构、节点属性等特征，预测网络中其他节点之间缺失的链接和未来可能产生的链接口。在社会网络分析、蛋白质交互作用、神经网络、电力网络等领域中，链路预测方法可广泛应用于分析网络数据的缺失、分析复杂网络演化机制等问题，在理论和实际应用中都发挥着巨大的作用，受到各领域的科学家的广泛关注。

　　网络结构链路预测方法主要有基于相似性的链路预测、基于最大似然估计的链路预测和概率模型等方法。基于相似性的方法是目前运用最多的链路预测算法之一，其前提是刻画节点相似性指标，由于基于相似性的方法计算简单、速度快、准确率高，吸引了很多研究学者的关注，但该方法在节点信息使用方面不够充分。

　　在复杂网络中，一些具有重要作用的成员节点可能具有更大的影响力或者更强的信息传播能力，网络中节点的重要性可以用节点中心性来表示。由于社交网络中大量活动都是围绕一些重要成员节点开展或与其具有密切的关系，因此，节点中心性在复杂网络研究中具有重要的理论价值和现实意义。杨建祥等针对无权网络的介数中心性提出了快速更新算法；李静茹等将度量节点中心性的方法应用于有权社交网络中，汪明了加权网络中节点中心性的有效性及作用。