买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉西安理工大学申请的专利基于节点拓扑特征和互信息的链路预测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116708205B 。

龙图腾网通过国家知识产权局官网在2025-09-12发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310694949.5，技术领域涉及：H04L41/147；该发明授权基于节点拓扑特征和互信息的链路预测方法是由戴芳;朱军喜;赵凤群;郭文艳设计研发完成，并于2023-06-12向国家知识产权局提交的专利申请。

本基于节点拓扑特征和互信息的链路预测方法在说明书摘要公布了：本发明公开了基于节点拓扑特征和互信息的链路预测方法，首先除去网络中的自环和重边，排除自环和重边对方法预测结果的干扰，然后将节点的局部网络结构量化为连边结构权重，通过参数α与连边权重融合，以获得融合权重，接下来在方法中引入与度相关的加权节点聚类系数、互信息以及路径距离，设计一种基于节点拓扑特征和互信息的加权链路预测方法CWMID。本发明的主要优点是通过将网络中节点的多个拓扑特征与节点互信息相结合，对网络结构信息的利用更加全面，在不同类型的网络中都有较好的普适性和预测结果，同时预测精度与大多数加权链路预测方法相比更加精确，实验结果证实了本发明设计的CWMID方法的优越性。

本发明授权基于节点拓扑特征和互信息的链路预测方法在权利要求书中公布了：1.基于节点拓扑特征和互信息的链路预测方法，其特征在于，包括如下步骤： 1训练阶段 步骤1对于加权网络Gw，采用随机抽样方法选取90％的连边和所有节点作为训练集网络剩余10％的连边作为测试集网络保证划分后训练集网络连通； 步骤2设置参数α∈0,1，λ∈0.001,0.01；根据参数取值范围，采取遍历寻优法对参数取值进行遍历，对于每组参数，计算训练集中的预测精度AUCtrain； 步骤3为了降低随机划分网络带来的误差，在给定一组参数的取值情况下，循环T次步骤1，每次循环时计算训练集中的预测精度AUCtrain，进而计算多次AUCtrain的平均值，一直遍历到最后一组参数，根据AUCtrain最大求出网络Gw中的最佳参数α*和λ*； 2测试阶段 将CWMID方法在训练时得到的最佳参数α*和λ*代入式4中，在测试集中评价预测精度AUCtest和精确度； 对于加权网络GwV,E,W，其中V,E,W分别表示节点集合、连边集合和权重集合；将节点vx和vy的邻域结构量化为边vx,vy的结构权重，记为Swx,y，如1式所示： 式1中，kx,ky表示节点vx,vy的度；|Γvx∩Γvy|为节点vx,vy的共同邻居数； 通过参数α，将边vx,vy的权重wx,y和结构权重Swx,y加权融合，记Cwx,y为融合后边vx,vy的权重，如2式所示： Cwx,y＝αwx,y+1-αSwx,y,2； 式2中，Cwx,y＝Cwy,x，α为可调参数，且α∈0,1，用于衡量连边权重和结构权重之间的相对重要程度； 对于加权网络GwV,E,W中的节点vx和vy，定义它们之间的二阶路径距离如3式所示： 式3中，表示连接节点vx和vy的长度为2的路径集合，p为集合中任意路径，vz为路径p的中间节点，为连边权重vx,vz的倒数；为连边权重vz,vy的倒数； 通过在WRA方法中引入与节点度相关的加权聚类系数、互信息以及节点路径距离，设计一种基于节点拓扑特征和互信息的链路预测方法CWMID； CWMID方法定义形式如下：对于加权网络GwV,E,W中的两个节点vx,vy∈V，定义它们之间的相似性如4式所示： 式4中，kz和sz分别为节点vz的加权聚类系数、度、强度；Cwx,z为边vx,vz的融合权重；为节点vx和vy的二阶路径距离；表示共同邻居vz存在时，节点vx和vy之间存在连边的互信息；λ为路径控制参数，用于调节二阶路径对节点相似性的贡献。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人西安理工大学，其通讯地址为：710048 陕西省西安市金花南路5号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。