开源协同结构建模与多层网络链路预测方法

摘要

开源生态中项目间协同关系日益复杂,涵盖依赖共现、语言一致与开发者共享等多维复用机制.传统图模型难以统一表达此类异构结构,限制了对潜在协作关系的识别能力.面向开源场景,提出了一种基于多层图结构建模与结构融合链路预测方法相结合的分析框架.通过构建包含3类协同层的无权多层网络,并设计结构重合度调节与社群差异性评分机制,来增强模型的结构感知与语义解释能力.实验结果表明,该方法在多个真实数据集上均优于现有主流链路预测算法,尤其在结构异质性强的开源网络中表现显著.进一步分析显示,模型预测结果具备良好的社群一致性与语义可还原性.研究表明,该方法能够有效识别开源项目间潜在协同路径,并为复用结构建模与社群分析提供结构性支撑.

关键词

开源协同网络 / 多层网络建模 / 链路预测 / 社群识别