摘要：真实世界中不同类型的对象之间相互连接，形成异质信息网络．预测网络中对象之间的连接或交互是网络分析中的一个重要任务．不同于传统的同质性网络的链路预测，异质信息网络中，由于存在多种类型的节点和边，节点之间可以通过不同的关系进行连接．文中使用元路径，即通过一组关系连接了多种节点类型的路径，来描述异质信息网络中不同类型对象之间各种连接的不同语义，从而提出一种异质信息网络链路预测模型，通过组合对象之间在不同元路径上建立连接的概率来进行链路预测．在DBLP和Last．fm两个真实数据集上的实验结果表明：在7种关系的链路预测中，相比最好的基准方法，文中方法的AUC值平均提升了5．93％；另外，在链路预测中，通过元路径区分不同类型的节点和边之后，预测精度得到了明显提升；最后，为了平衡预测精度和模型的可扩展性，实验分析表明链路预测中仅考虑路径长度小于5的元路径就已经足够产生很好的预测结果．

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社