一种机会网络的链路预测方法
【专利摘要】本发明公开了一种机会网络的链路预测方法，首先对所有可能的节点对进行分类，分成周期性相遇的节点对集合、频繁非周期性相遇的节点对集合以及非频繁相遇的节点对集合；然后在每个不同的节点对集合上使用不同的方法进行链路预测，使用周期模式挖掘的方法预测周期性相遇的节点对集合，使用J48决策树方法预测频繁非周期性相遇的节点对集合，使用复杂网络中的Adamic-Adar算法预测非频繁相遇的节点对集合。通过上述方式，本发明解决了单一的链路预测方法适用范围受限的问题，能够提高机会网络链路预测的精度和召回率，从而提高机会网络的消息投递效率和容量。
【专利说明】一种机会网络的链路预测方法
【技术领域】
[0001] 本发明涉及网络【技术领域】，特别是涉及一种机会网络的链路预测方法。
【背景技术】
[0002] 1、所属【技术领域】发展历程 机会网络是一种由移动自组织网络发展而来的新型网络架构，它能够在分割的网络条 件下利用节点移动带来的相遇机会实现报文的逐跳转发，并最终投递到目的节点。相遇概 念是指节点之间发生的一次联系：当节点进入彼此的通信范围之内（比如Wi-Fi或者蓝牙 协议的点到点通信距离内）时，则建立链接，发生通信，当两者离开彼此通信范围时，则链路 断开，停止通信。由于节点的移动性，机会网络中的相遇是机会性的，而非确定性的，不存在 可靠的端到端通信路径。
[0003] 如图1-图3所示，机会网络采用"存储-携带-转发"的工作模式进行多跳的消 息投递，若当前节点没有遇到通往目标节点的下一跳节点时，就缓存消息，并随节点的移动 寻找合适的转发机会。如图1中A时刻，不存在源节点S到目的节点D的直接路径，节点S 将消息转发给节点3,由其存储携带，到了图2中的t 2时刻，消息又转发给了节点4,直到图 3中的t3时刻，节点4和目的节点D运动到了同一连通区域，就将消息成功转发。
[0004] 利用机会网络架构，可以不依赖基础设施或者仅需要少量的基础设施在偏远高速 公路、城市交通、移动社交等场景下实现消息投递、内容分发、资源共享等功能。但它们的性 能和用户体验很大程度上依赖于机会网络所能提供的网络传输服务。现有的机会网络仍存 在一些问题：（1)消息投递的成功率不高，超过生命期或者缓存溢出都会导致消息在投递 过程中被丢弃，投递成功率一般在50% ; (2)消息投递延迟较高，由于网络动态性导致存储 携带的盲目性较大，可能需要数小时或者数天才能成功投递消息；（3)多个副本在网络中 存储并转发，这必然会占用大量的存储并且导致高能量消耗；（4)由于网络缺乏实时性，网 络服务是否可达，服务等待时间也无法预知，显著降低了用户体验。
[0005] 解决以上问题的关键在于把握单个节点、邻接节点以及整个网络拓扑的动态变化 规律，通过预测的方法来缓解网络动态性带来的难题。
[0006] 2、现有技术情况 机会网络中现有的预测方法可以分为基于上下文的、基于移动模型的和基于社会关系 的预测。多数早期的机会网络路由方法都使用诸如历史相遇次数或者持续时间等指标作为 转发效用，转发效用更高的节点优先被选作转发节点。这些方法过于简单而无法发现更有 价值的相遇规律。基于移动模型的预测方法建模描述人类移动的时空属性，并据此预测消 息转发的效用。大多数使用社会关系预测方法都需要从在线的社交网络应用中导入或者通 过手工配置的方法得到社会关系属性，也有一些预测方法可以自动检测社会关系属性，然 后利用这些社会关系属性作为消息转发的效用。现有的这些基于转发效用的链路预测方法 都只能处理一部分的节点对之间的链路预测问题，对于相遇模式差异很大的整个机会网络 来说，单一的链路预测方法难以实现整体的性能最优。
[0007] 以东南大学校园内的Wi-Fi跟踪数据集为例，当两个节点同时关联到一个Wi-Fi 接入点的时候，认为两个节点有一次相遇。统计结果显示，在所有可能的节点对之间，有相 遇记录的节点对比例随着时间增加，最终经过一周的测量，有35%的节点对相遇过，而在相 遇过的节点中，有22%的节点对呈现周期性规律，78%的节点对相遇记录没有周期性。显然 对于周期性的节点对、非周期性的节点对以及未曾相遇过的节点对的未来相遇情况的预测 是不同的问题，现有的单一的预测方法不能处理所有的预测问题，现有方法也没有探讨如 何划分不同类型的节点对集合，以及在每个节点对集合上如何选择最优的预测方法。
【发明内容】
[0008] 本发明主要解决的技术问题是：针对现有技术的不足，提供一种机会网络的链路 预测方法，能够提高机会网络链路预测的精度和召回率，从而提高机会网络的消息投递效 率和容量。
[0009] 为解决上述技术问题，本发明采用的一个技术方案是：提供一种机会网络的链路 预测方法，包括以下步骤： (100)时间片划分：将节点集合上发生的相遇记录按照长度划分成一系列等长的时间 片，每个时间片上根据相遇记录得到一个矩阵； (200)预处理：中心服务器通过移动通信网络连接获取机会网络中所有节点之间的相 遇记录，然后使用周期模式挖掘方法在相遇记录集合中筛选出周期性相遇的节点对集合， 最后对剩下的节点对集合基于相遇频率阈值进行分类，分成频繁非周期性相遇的节点对集 合与非频繁相遇的节点对集合； (300)在线预测：分别使用周期模式挖掘的方法预测周期性相遇的节点对集合，使用决 策树方法预测频繁非周期性相遇的节点对集合，使用复杂网络的方法预测非频繁相遇的节 点对集合。
[0010] 在本发明一个较佳实施例中，所述步骤（300)中的决策树方法为J48决策树方法。
[0011] 在本发明一个较佳实施例中，所述步骤（300)中的复杂网络的方法为 Adamic-Adar 算法。
[0012] 在本发明一个较佳实施例中，所述步骤（300)中的周期模式挖掘的方法包括： (a) 设Pi」表示节点对（i，j)，Sp (Pj表示节点对Pi」在时间片序列上周期相遇的时 间片集合，即：
【权利要求】
1. 一种机会网络的链路预测方法，其特征在于，包括以下步骤： (100)时间片划分：将节点集合上发生的相遇记录按照长度划分成一系列等长的时间 片，每个时间片上根据相遇记录得到一个矩阵； (200)预处理：中心服务器通过移动通信网络连接获取机会网络中所有节点之间的相 遇记录，然后使用周期模式挖掘方法在相遇记录集合中筛选出周期性相遇的节点对集合， 最后对剩下的节点对集合基于相遇频率阈值进行分类，分成频繁非周期性相遇的节点对集 合与非频繁相遇的节点对集合； (300)在线预测：分别使用周期模式挖掘的方法预测周期性相遇的节点对集合，使用决 策树方法预测频繁非周期性相遇的节点对集合，使用复杂网络的方法预测非频繁相遇的节 点对集合。
2. 根据权利要求1所述的一种机会网络的链路预测方法，其特征在于，所述步骤（300) 中的决策树方法为J48决策树方法。
3. 根据权利要求1所述的一种机会网络的链路预测方法，其特征在于，所述步骤（300) 中的复杂网络的方法为Adamic-Adar算法。
4. 根据权利要求1所述的一种机会网络的链路预测方法，其特征在于，所述步骤（300) 中的周期模式挖掘的方法包括： (a) 设Pij表示节点对（i，j)，Sp (Pij)表示节点对Pij在时间片序列上周期相遇的时 间片集合，即：
其中，P表示周期长度； (b) 设η表示Sp (Pi1)中周期重复的次数，即：
(c) 然后tmd+p就是下一个周期点，S(Pu)上周期重复次数称为预测tmd+p的周期支持 度，一个节点对上可能有多个不同周期长度的周期模式，如果存在一个周期模式S(P u)使 得tmd+p对应到带预测时间片tx+1，就预测会相遇五U = 1，否则预测不相遇4+1 = 0。
【文档编号】H04L12/24GK104378229SQ201410595581
【公开日】2015年2月25日 申请日期:2014年10月30日 优先权日:2014年10月30日
【发明者】张三峰, 李茵 申请人:东南大学