基于拓扑连接紧密度的相似性链路预测算法

　　许多链路预测方法仅仅关注预测的准确度衡量指标，忽略了精确度衡量标准在实际应用中的重要作用，且没有考虑共同邻居与预测节点间紧密度对相似性刻画的影V向。针对上述问题，提出了一种基于拓扑连接紧密度的相似性链路预测算法。该方法通过局部拓扑结构定义共同邻居紧密度，并引入参数调节不同网络中紧密程度，最终刻画网络节点间的相似度。6个实际网络测试表明，相比共同邻居（CN）、资源分配（RA）、Adamic-Adar（ AA）、局部路径（LP）、Katz等相似性指标，该算法提升了链路预测的预测精度。