Анализ связей в сложных сетях на основе структурных методов и машинного обучения

Анализ связей в сложных сетях за последнее время привлек значительное внимание со стороны системной биологии (Systems Biology), которая включает разработку лекарств и описание белковых взаимодействий, равно как и обработки представлений (Concept Processing), где особенную важность представляют сети ассоциаций слов и понятий. Подобное исследование требует решения задачи предсказания связей, которое подразумевает восстановление пропущенных соединений в сети. Многие структурные методы, изначально предложенные для социальных сетей, не всегда обеспечивают наилучшее качество в сетях иной природы. В данной работе представлено сравнение структурных методов и техник обучения представлений с точки зрения качества предсказания связей на нескольких биологических сетях, а также на семантической сети ассоциаций английских слов. Полученные результаты свидетельствуют о том, что методы обучения представлений обладают большей устойчивостью к разрушению структуры в рассмотренных сетях и могут значительно превосходить стандартные структурные индексы с точки зрения качестве предсказания связей. Для семантической сети показано влияние ассоциативной силы связности слов на восстановление структуры сети.