초록
네트워크의 누락된 링크 예측은 현대 과학에서 이론적으로도 관심을 끌고 실용적으로도 중요한 문제이다. 본 논문에서는 노드 유사도 기반의 간단한 링크 예측 프레임워크를 실증적으로 탐구한다. 우리는 여섯 개의 실제 네트워크에서 아홉 가지 잘 알려진 국소적 유사도 측정법을 비교하였다. 그 결과, 가장 단순한 측정법인 공통 이웃(commons neighbors)이 전반적으로 가장 뛰어난 성능을 보였으며, Adamic-Adar 지수는 두 번째로 뛰어난 성능을 나타냈다. 본 연구에서는 네트워크 상에서 발생하는 자원 할당 과정을 모티프로 삼아 새로운 유사도 측정법을 제안하였으며, 이는 공통 이웃보다 더 높은 예측 정확도를 보였다. 또한, 근접 이웃 정보만을 사용할 경우 많은 링크들이 동일한 점수를 부여받는다는 것이 발견되었다. 따라서 이에 대응하여 다음 근접 이웃 정보를 활용하는 새로운 측정법을 설계하였으며, 이는 예측 정확도를 뚜렷이 향상시켰다.