Vorhersage fehlender Verbindungen mittels lokaler Information

Die Vorhersage fehlender Verbindungen in Netzwerken ist sowohl von theoretischem Interesse als auch von praktischer Bedeutung in der modernen Wissenschaft. In diesem Artikel untersuchen wir empirisch einen einfachen Rahmen für die Verbindungsprognose auf der Basis von Knotenähnlichkeit. Wir vergleichen neun bekannte lokale Ähnlichkeitsmaße anhand von sechs realen Netzwerken. Die Ergebnisse zeigen, dass das einfachste Maß, nämlich die Anzahl gemeinsamer Nachbarn, die beste Gesamtleistung erzielt, gefolgt von dem Adamic-Adar-Index. Wir schlagen ein neues Ähnlichkeitsmaß vor, das durch den Ressourcenallokationsprozess in Netzwerken motiviert ist, und zeigen, dass es eine höhere Vorhersagegenauigkeit aufweist als das Maß der gemeinsamen Nachbarn. Es stellt sich heraus, dass viele Verbindungen bei Verwendung ausschließlich der Information über die unmittelbaren Nachbarn identische Bewertungen erhalten. Daher entwickeln wir ein weiteres neues Maß, das auch Informationen über die nächsten Nachbarn nutzt, wodurch sich die Vorhersagegenauigkeit erheblich verbessert.