建立連結預測的新評估模型—以生物醫學領域的共字網絡為例

Abstract

連結預測能透過演算法針對網絡的特定特性來預測未來連結，在資訊科學領域中，若運用在學術合作網絡可以預測未來可能合作的作者，於共字網絡中能預測字詞間可能產生的新連結，用於發掘特定學科領域的變化以及新興的研究領域。目前既有的連結預測表現評估方法為二元分類，但是當網絡的連結具有權重時，二元分類會將檢驗的預測結果轉為二元的形式，忽略連結權重的數值高低，因此本研究提出以網絡統計檢定中的Quadratic Assignment Procedure（QAP）線性迴歸分析作為新的評估典範。 本研究選擇探討領域為生物醫學領域中的三個主題，分別為發育生物學、神經可塑性、端粒，從PubMed資料庫蒐集文獻形成由關鍵字組成的共字網絡，節點為關鍵字，連結是成對關鍵字出現在同一篇文獻的次數。將2015年至2017年形成的共字網絡視為訓練網絡，而2018年2020年的驗證網絡是為了檢驗預測表現的真實網絡。本研究選擇區域演算法中的Adamic/Adar、Common Neighbours、Cosine Similarity以及Jaccard和全域演算法可以設定參數的Katz，針對訓練網絡進行訓練，預測在2018年2020年間可能產生的連結，並使用二元分類和QAP評估預測結果，比較五種演算法的預測表現。 研究結果發現在三個主題中，二元分類與QAP的結果顯示全域演算法的表現優於區域演算法，Katz預測能力最為優異，最後則是Jaccard。雖然整體而言二元分類和QAP的結果並無莫大的差異，但是QAP對於連結權重數值的敏感度高，更精準地將預測結果反應在評估的數值上，此外QAP即使在全為真陽性連結的檢驗中，仍然能判別不同模型於預測連結權重的表現，相較於二元分類，QAP更具有區辨不同模型預測表現的能力。