题目：复杂网络结构演化和链路预测算法研究

近年来的研究表明，许多现实世界的复杂系统的结构都可以用复杂网络来描述，它们都具有一些相同的特征，例如具有较短的平均最短路径长度和较大的聚类系数，同时节点的度分布还服从幂律分布。复杂网络能够更加准确地描述这些系统，从而为许多研究提供了重要的工具。本文主要研究复杂网络结构演化和链路预测算法的相关内容。首先，本文分析了BA无标度网络模型和加速增长模型的演化过程，得到了其网络特征的变化趋势，总结了模型的演化机制对网络特征的影响。本文认为结构演化和链路预测是建立在网络的内在演化机制基础之上的，所以由演化机制决定的网络特征能够影响链路预测算法的准确性。本文使用一些网络实例分析验证了平均聚类系数对链路预测的影响。然后，本文提出了一种基于时空相似性的链路预测算法，该算法针对当前链路预测算法仅考虑网络静态拓扑结构这一点，充分挖掘时间属性对链路预测的影响，引入了活跃因子的概念，将其与结构相似性指标结合构成时空相似性指标。本文使用时空网络对网络数据进行建模，结合时间序列分析提出了几种活跃因子模型。使用其中一种节点活跃度的定义建立了活跃度网络模型，并对演化网络进行了细致的分析。最后，本文设计实现了一个包含链路预测算法的实验工具，并从在线文献资源中抽取出引文网络和科学家合作网络。将基于时空相似性的链路预测算法和基于结构相似性的链路预测算法应用于引文网络和合作网络上进行实验对比分析，验证了基于时空相似性的链路预测算法的有效性。