導語：如何才能寫好一篇分子生物學概要，這就需要搜集整理更多的資料和文獻，歡迎閱讀由公務員之家整理的十篇范文，供你借鑒。

篇1

一、分子生物學適合開展雙語教學

目前，普通院校的多媒體等教學條件有了較大改善，網絡教學資源也變得日漸豐富，這些都為分子生物學的雙語教學提供了有力的硬件支持。同時，隨著生物學的快速發展，越來越多的高層次生物學人才走上了普通院校的講臺，一定程度上為普通院校分子生物學的雙語教學提供了師資保障。根據教學大綱的要求，我校《分子生物學》課程的雙語教學開設時間為大三第二學期，但統計表明此前僅50%的學生通過國家大學英語四級考試，學生總體英語水平偏低，尚未滿足全英文教學的要求。如果這時對《分子生物學》課程進行全英文教學，會讓相當一部分學生難以接受復雜的分子生物學知識，使得學生不僅英語沒長進，專業知識也是一知半解，最終導致全英文課堂教學流于形式而達不到應有的教學效果。采用全中文講授分子生物學課程顯然不能滿足當今社會對分子生物學尖端人才的要求。試想，在分子生物學飛速發展的今天，如果學習者只懂母語而不懂英語報道的學科發展、學術成果等，又如何跟蹤學科的最新進展呢？總的來說，教學師資、學生的英語水平以及分子生物學發展的需要，都決定了《分子生物學》課程符合開展雙語教學的學科和課程特征。

二、分子生物學雙語教學的初步實踐

我校生物工程專業是湖南省重點資助專業，筆者自2012年開始對本專業的分子生物學進行了雙語教學嘗試，現將初步教學實踐分述如下：

1.教學大綱的調整和教材的選用。

鑒于分子生物學雙語教學與全中文授課的差異，我們首先重新修訂了《分子生物學》雙語教學大綱，并對教學內容和教學進度做了適當調整。在緒論中增加了分子生物學常用專業英語詞匯介紹，以彌補學生專業英語詞匯量的不足。同時，分子生物學雙語教學的關鍵問題之一是要選用一本合適的英文版教材，因為原版英文分子生物學教材常常令學生感到晦澀難懂。因此，筆者編寫了對原版教材加以注釋的講義，以保持英文的“原汁原味”，兼容中英文教材的優點，對分子生物學專業術語和詞匯增加中文注釋，書后輔以中英文詞匯對照表，每章開始部分增加中文概要，以方便學生理解和掌握教學要點。從多年的分子生物學雙語教學實踐來看，使用效果比較理想。

2.循序漸進的教學過程和多樣化的教學方法相結合。

在進行分子生物學雙語教學過程中，鑒于剛開始時大部分學生都感覺有一定的難度，我們在最先常采用英文板書與中文講授為主相結合的方法，用英文講授那些較為淺顯易懂的內容，而重點和難點以及那些用英語解釋太復雜而漢語解釋又顯得簡潔明了的內容，則用中文講解。當學生的專業詞匯量逐漸擴大和英語水平慢慢提高，尤其是待學生逐步適應以后，再不斷提高英語講授的比重，最后過渡到以英文教學為主。對于分子生物學的一些實驗技術等案例教學一般也采用中文的方式。通過循序漸進的教學過程和多樣化的教學方法，能有效提高分子生物學雙語教學的實際效果，進而避免雙語教學流于形式。

3.運用多媒體等現代教學手段加大課堂信息量。

我校《分子生物學》總共56學時，采用雙語教學后并沒有增加學時，全英文版的書面材料和中英文雙語講授使得教學進度緩慢，不僅讓教師的課堂授課量受到影響，難以按時完成教學任務，也常常讓學生接受的信息量偏少。對此，本人在鉆研教材和相關教學參考資料的基礎上，精心制作好多媒體英文課件，課堂上借助于PPT的使用，不僅讓課堂教學內容變得豐富與生動，也可大大增加課堂教學的信息量；同時，還可以節省大量的板書時間，適當加快課堂教學節奏，保證按時完成教學進度和教學任務。課后將PPT課件及時傳到班級QQ群共享，以方便學生課后學習使用。

4.注重課后雙語練習，改革考核方式。

分子生物學雙語教學實踐既是對教師的挑戰，要敢于擔當，同樣對學生亦是一種挑戰，要勇于面對。由于受教學大綱的要求限制了雙語教學的課堂教學時數，這必然要求師生在課內外都要多花時間和精力。一方面教師課后要精心備課答疑，構建習題庫上傳到班級QQ群，供學生課后復習交流使用；另一方面學生課后要及時預習、復習鞏固課堂所學知識。我們經常要求學生課后閱讀或翻譯教師指定的英文參考資料來鞏固復習專業術語以及一些相關的專業知識。每次上課前，教師安排一定時間對上次作業情況進行檢查點評，由復習舊課要點導入新課的教學內容。我們不僅注重課內外的雙語練習，還結合分子生物學雙語教學的特點調整了課程考試形式，如采用中英文結合制定期考試卷（英文占40%以上），其中，填空、名詞解釋及選擇等題型部分用英文制卷，并要求部分題目用英文解答。

三、加強分子生物學雙語教學的有效措施

綜上所述，目前分子生物學雙語教學中普遍存在的問題主要表現在：高素質雙語教學師資隊伍欠缺，教學方法陳舊；學生對雙語教學方式的興趣不濃厚，不及時熟悉英文教材；雙語教學管理欠科學、教學考核手段傳統單一。總之，分子生物學雙語教學的質量有待進一步提高，具體措施如下：

1.加強分子生物學雙語教學師資隊伍建設，不斷提高授課教師英語水平。

要想取得分子生物學雙語教學的預期教學效果，首先就要有一支專業能力和英語水平都較強的教師隊伍。為了分子生物學雙語教學教師的英語水平，一方面現有雙語教學主講教師要積極主動參與外語培訓，可以由學校有計劃地安排相關教師到雙語教學經驗豐富的學校參加教學觀摩，或分批選派雙語教學教師到相關外語學院進修，或聘請教學經驗豐富的外語教師進行口語訓練，有條件的學校還可以把教師送到國外培訓，以提高其英語授課水平。另一方面學校要積極創造條件引進雙語教學師資，如采取相對優惠的政策以吸引國外留學人員來校任教，或邀請相關國外專家學者承擔部分雙語教學課程，如我校在2013年邀請湖南省海外名師、美國衛生研究院研究員肖調江教授為生物工程專業2010級本科生講授遺傳學課程，相關雙語教學教師通過全程觀摩教學，較大地提高了雙語教學能力。

2.加強分子生物學雙語教學用教材的管理，保障雙語教學因材施教。

針對普通院校目前雙語教學存在的主要問題，分子生物學主講教師應該盡可能選擇通俗易懂與國際同步的最新教材，條件允許的盡可能結合學生實際編寫雙語配套教材，如與原版英文教材配套的講義，輔以相應習題講解，并上傳至班級QQ群以及教師教學空間，以方便學生課后隨時參考和學習。同時，針對地方本科院校學生英語基礎普遍較差的現象，主講教師還可以制作授課視頻和收集相關音像資料等輔助教學材料，并將課題組成員的上課過程進行錄像，方便學生課后自學，進一步提高學生的英語聽說能力。

3.改革傳統教學方法，實現分子生物學雙語教學手段的多樣化。

同母語教學一樣，教學方法和手段也是實現分子生物學雙語教學教學目的的重要保障。教學方法的發展變化主要體現在教學方法的綜合化、教學手段的媒體化和主體化。鑒于目前分子生物學雙語教學的課時嚴重不足，一方面，雙語教學的主講老師要努力提高傳統課堂教學的效果，如及時與學生交流、溝通，了解他們的學習興趣、效果以及學習過程中所遇到的主要困難和相關要求，以提高雙語教學效果。另一方面，主講老師還應該充分利用QQ、微信等網絡資源，與學生及時開展網絡答疑等教學互動，這樣既可以及時掌握學生的課堂學習效果，也有利于教師及時把握教學方法，對于教學過程中的共性問題進行分析總結，進一步提高雙語教學效果。

4.加強分子生物學雙語教學的管理與支持，為雙語教學提供制度保障。

篇2

【關鍵詞】宮頸病變;HPV分型;HPV多重感染

doi:10.3969/j.issn.1006-1959.2010.05.107文章編號:1006-1959(2010)-05-1140-02

宮頸癌是女性生殖系統最常見的惡性腫瘤,HPV感染是宮頸癌發生的必要條件,HPV檢測技術極大的推動了宮頸癌篩查的進展。我們分析了2008年9月至2009年8月在本院因宮頸病變就診的144例患者的臨床資料,觀察用導流雜交基因芯片技術(flow-through hybridization and gene chip,HybriMax)檢測HPV分型與宮頸病變的關系。

1.材料與方法

1.1 研究對象:選取2008年9月至2009年8月因宮頸病變就診于新疆腫瘤醫院且有臨床病理確診的患者144例,年齡分布23～80歲,中位年齡43歲,病理診斷結果慢性宮頸炎21例,CINI 21例、CIN1I～Ⅲ 50例,宮頸癌52例。HPV DNA檢測及組織病理學檢查采用雙盲法。

1.2 HPV檢測方法:采用HybriMax法檢測HPV基因型,包括6、11、16、18、31、33、35、39、42、43、44、45、51、52、53、56、58、59、66、68、81等21種HPV基因型。實驗步驟包括:樣本DNA提取,PCR擴增,導流雜交,結果判斷(根據芯片上HPV基因型分布的相應位點判斷為何種基因型)。

1.3 統計學處理:應用SPSS16.0軟件包對數據進行統計分析,各組間關系采用檢驗和秩相關檢驗。

2.結果

2.1 HPV檢測結果分析。144例受檢者中,陽性者87例,陽性率為60.42%。

表1 144例患者HybriMax法檢測HPV結果

宮頸病變總例數HPV陽性

例數百分率(%)

慢性宮頸炎21838.09

CINⅠ211047.62

CINⅡ-Ⅲ503570.00

宮頸癌523465.38

合計1448760.42

對以上結果進行檢驗,P0.05,提示不同程度宮頸病變間HPV感染的差異有統計學意義;且進行相關分析r=5.704,P=0.017,具有顯著性差異,提示宮頸病變與HPV感染有相關性。

2.2 宮頸不同病變組織中HPV型別及HPV多重感染情況。HybriMax法檢測144例宮頸病變患者中,陽性者87例,其中HPV16型陽性及包含HPV16型陽性者64例(占73.56%),多重感染者每種類型單獨計算,其他還包括52型7例,58型6例,18型3例,53、66、39、66、31型分別2例,33、56、45型分別1例。顯示宮頸病變HPV感染以HPV16型最為多見。

有HPV多重感染者11例,其中CINI 3例,CINⅢ 3例,宮頸癌4例,進行統計學分析,P>0.05,表明HPV多重感染與宮頸病變嚴重程度無關。

3.討論

HybriMax法是目前最前沿的HPV分型檢測手段[1],已廣泛應用于臨床。本文旨在探討HPV感染與宮頸病變程度及其發生的關系。

3.1 HPV概要。1933年人類首次發現人瘤病毒(HPV),1978年第1例生殖道HPV被鑒定[2]。HPV是一組雙股DNA病毒,屬乳多空病毒科。隨著分子生物學技術的發展,目前已確定HPV亞型超過200種,有54種可感染生殖道粘膜,按病毒致癌能力的大小分為高危組和低危組[3],低危型HPV主要引起良性外生性疣,宮頸上皮內瘤變,高危型HPV中HPV16占50%,HPV18占14%。其中30多種與宮頸感染和病變有關。HPV的型別還與子宮頸癌的病理類型有關,在子宮頸鱗癌中以HPV16為主(占51%),而在子宮頸腺癌中HPV18占56%[4]。本研究中以宮頸鱗癌為主,結果顯示HPV感染以HPV16型為主(占73.56%)。

3.2 HPV感染與宮頸病變程度的關系。國際癌癥研究中心(IARC)專題討論會(1995年)明確提出HPV感染是宮頸癌的主要危險因素。目前流行病學資料結合實驗室的證據顯示,HPV感染是誘發宮頸癌的首要啟動因素,HPV持續感染可能促進宮頸從慢性宮頸炎狀態逐步進展到子宮頸癌前病變的CINCINⅡCINⅢ,進而發生子宮頸浸潤癌。本研究結果顯示HPV感染與宮頸病變程度呈正相關,進一步驗證了上述理論。

總之,對宮頸組織檢測HPV感染比觀察細胞學和病理改變意義更大,如能及早發現HPV感染就可以進行早期干預和早期治療[7],有效地阻斷宮頸病變的發展和宮頸癌的形成,降低宮頸癌的發生率和死亡率。

參考文獻

篇3

    生物醫學工程(Biomedical Engineering, BME)是在生物醫學和工程技術交叉融合的基礎上發展起來的新興邊緣學科。該學科的迅速發展,大幅度提高了衛生服務水平和患者生活生存質量,促進了相關領域科技進步。我國有很多高校開設了生物醫學工程專業,以滿足社會發展需要。生物醫學工程由于其學科交叉的廣泛性,因此該學科的課程特別多。普遍認為該學科的主干課程至少包括電子信息類《電路分析基礎》《模擬電子技術》《數值電子技術》《微機原理》《單片機原理》《接口技術》等20余門,生物醫學類《解剖學》《生理學》《生理化學》《普通生物學》《細胞分子生物學》《康復工程學》《生物工程學》《臨床醫學概要》等30余門。課時總量超過3000學時。如果再加上《英語》《數學》《物理》等公共課程,總學時將會超過4000學時,遠遠超過了教育部人才培養方案的學時限制。在2012年教育部最新頒布的人才培養方案修訂要求4年制理工專業總學時控制2800左右。如此大量的課程在短短的4年學制內,無法有效地組織教學。雖然,各個學校結合自己教學特色進行裁剪,但仍然面臨著課時不夠、學生負擔過重的問題。因此,為了有效地教學、提高教學效果、減輕學生負擔,課程的優化成為一個長期討論的熱點。毫無疑問,優化課程應該從學時多,內容相似的課程著手。《微機原理》和《單片機原理與應用》這兩門課都高達60學時而且還為壓縮后的學時,因此,成為優化的重點考慮對象,也是教學研討會經常爭論的話題。

    1 內容相似性

    以往,《微機原理》和《單片機原理與應用》這兩門課程是生物醫學工程專業的兩門必修課程,有近20年的歷史。《微機原理》以Intel的80i86為教學內容作為嵌入式處理器學習的基礎課,而《單片機原理與應用》以80C51為教學內容作為嵌入式處理器學習實例的應用課程。為我國培養了許多電子技術相關領域的科技人才。嚴格來說,這兩門課,一門作為基礎,一門作為應用相輔相成,不可分割。而在實際教學過程中,并非如此。首先從教學內容來看,這兩門課的教學內容高度相似。微機原理的教學內容有:微處理器基本概念、工作原理和硬件結構,匯編語言指令系統和程序設計方法與技巧,中斷系統、定時器/計數器和串行通訊的工作原理和應用,微機系統擴展、人機交互、A/D和D/A等接口技術,以及微機應用系統設計實例等。《單片機原理與應用》的教學內容有:單片機結構原理、指令系統和匯編語言程序設計、存儲器擴展技術、中斷系統、定時器/計數器、串行通信原理及應用、系統擴展、人機交互、A/D與D/A轉換器接口技術、單片機應用系統的設計與開發等。從中,我們不難看出這兩門課的區別無非是處理器不同而已,教學內容存在高度相似性。

    而在實際教學時,這兩門課通常由兩個教師來上,課時都在60左右。一方面,由于課時少,授課難以面面俱到而進行選擇性授課,從而導致教學內容遺漏;另一方面,由于任課教師的不同,教學內容出現大量重復。雖然學生經過兩門課程的學習,但不能精通任何一門,甚至由于不能入門而對嵌入式系統產生恐懼。因此,同時開設這兩門課程并沒有達到想象中的教學效果。針對這一現象,有不少學者提出將《微機原理》和《單片機原理與應用》這兩門課程進行合并,教學時對這兩種處理器進行比較教學以提高學習效率,減少課時量,減輕學生負擔。毫無疑問,經過課程的合并必提高教學效果,但從現代企業對相關專業技術人員的理論知識和素質能力要求來看,《微機原理》已經落后于時代,學無所用。

    2 社會需求

    經過大量課程的學習,生物醫學工程學生的就業競爭力并沒有得到很大提升。大量的課程培養了知識面很寬的工程師。這些工程師只懂得一般工程原理而不具備任一領域的專業知識。因此,當他們與其他專業的畢業生競爭時,生物醫學工程畢業生往往處于劣勢,許多BME公司寧愿聘用信息工程技術相關專業的學生,而不聘用BME的學生。美國猶他州立大學生物醫學工程系在BME工業部門做的問卷調查發現40%的人認為BME學生知識面很寬是他們最大的優勢,75%的人認為BME學生沒有堅實的專業知識。這表明目前的BME課程體系設置還需要在專業知識上進一步鞏固。設置更多專業課勢必進一步增加課程,顯然是行不通的。因此,必須進行優化整合進行探討,培養學生既擁有廣闊的知識面,又具備堅實的專業知識。

    《微機原理》以8086/8088處理器為藍本介紹處理器的工作原理,并學習使用該處理器。當然,誕生于1978年的8086的誕生開啟了儀器智能化的新時代。但隨著處理器的發展,單片機的崛起,8086/8088處理器早已經走下神壇而被淘汰,目前市場很難見到8086/8088的蹤跡。以8051為代表的單片機逐步取代8086/8088成為行業應用的主流。隨著技術的發展,8051雖然也被淘汰,但是其指令兼容的單片機形成龐大的家族活躍在各個行業應用上,從簡單的玩具到復雜的航空航天、醫療設備等高科技隨處可見51兼容單片機的影子。當然,還發展出其它類型的單片機,如:AVR、PIC等。現代企業招聘時,通常要求應聘者具有一定的單片機開發能力。企業要求的單片機開發能力,顯然不是指8086/8088微處理器的開發能力,而是指8051兼容單片機的開發能力,如果再掌握AVR或者PIC單片機開發技能則會更受企業歡迎。《微機原理》課程已經出現教學內容與社會需求脫節,學與用脫節的現象,也導致企業抱怨學生掌握的知識過于陳舊而不愿意招聘應屆畢業生。此外,很多畢業生也反應《微機原理》課程中學習的知識無實際用處,對學習其它嵌入式處理器的學習與理解幫助不大。而對于單片機由于就業需要強勁,實用性強,容易上手等因素,學生有很強的學習欲望。

    總之,8086/8088系列微處理器已經在生產實際中淘汰,如果《微機原理》仍然以8086/8088為藍本講解微處理器的原理,則顯得知識過于陳舊,與企業需求脫節。由于在生產實際中8051兼容的單片機龐大家族仍然廣泛應用,因此要加強單片機的學習,不僅可以讓學生了解微處理器的工作原理,也能與社會需求接軌,培養出合格的現代企業工程師。

    3 可行性驗證

    自2009年以來,我校生物醫學工程系就開始小范圍試點取消《微機原理》,強化《單片機原理與應用》的教學,取得很好的教學效果。2010年二年級6個本科生由于參加電子設計競賽而在沒有學習《微機原理》的情況下,直接學習單片機開發。在學習過程中,并不比那些有《微機原理》基礎的學生表現差。事實上,2011年電子設計競賽中,他們表現得極為出色。此外,也有不少學校已經開設微機原理課程,并在教學實踐中獲得良好的教學效果。

    目前,市場涌現出許多零基礎學習單片機的教材,如:杜洋的《愛上單片機》、周興華的《手把手教你學單片機》等。《愛上單片機》和《手把手教你學單片機》不僅市場上脫銷,而且網上掃描版下載量奇高,新手幾乎人手一本。縱觀這些教材都不要求學習者擁有《微機原理》基礎,大幅度降低了單片機的學習難度和入門起點。讀者對這些教材的熱捧不僅說明單片機存在廣泛的需求,更表明單片機學習的起點可以很低。

    不論是從我們的教學實踐中,還是從目前單片機教材來看,《微機原理》完全沒有必要作為《單片機原理與應用》的前置課程。取消該課程,不僅不影響教學效果,反而有利于減輕學生負擔,促進《單片機原理與應用》的教學,縮短教學與企業需求距離。

篇4

關鍵詞：鏈接預測；數據場；鏈接重要性；節點相似性；復雜網絡

中圖分類號： TP391.4

文獻標志碼：A

Abstract： The existing link prediction methods based on node similarity usually ignore the link strength of network topology and the weight value in the typological path method with weight is difficult to set. To solve these problems， a new prediction algorithm based on link importance and data field was proposed. Firstly， this method assigned different weight for each link according to the topology graph. Secondly， it took into account the interaction between potential link nodes and preestimated the link values for the partial nodes without links. Finally， it calculated the similarity between two nodes with data field potential function. The experimental results on some typical data sets of the realworld network show that， the proposed method has good performance with both classification index and recommended index. In comparison to the Local Path （LP） algorithm with the same complexity， the proposed algorithm raises Area Under Curve （AUC） by 3 to 6 percentages， and raises Discounted Cumulative Gain （DCG） by 1.5 to 2.5 points. On the whole， it improves the prediction accuracy. Because of its easy parameter determination and low time complexity， this new approach can be deployed simply.

Key words： link prediction； data field； link importance； node similarity； complex network

0引言

自文獻[1]LibenNowell等[1]首次提出社會網絡鏈接預測的問題以來，鏈接預測已成為社會網絡分析的熱點。鏈接預測是通過已知的網絡結構等信息預測和估計目標網絡中尚未被觀察到的或者在未來會出現的鏈接，可應用于科學研究、社會安全、行政商業決策、分子生物學的蛋白質關系預測、犯罪網絡調查、各種推薦系統等，如文獻[2-4]。此外，通過對鏈接預測的技術和方法進行研究，可以加深對于復雜網絡的總體演變規律的理解，進而推動其他復雜網絡研究分支的發展。

目前主流的鏈接預測方法主要分為基于概率模型的算法[5-9]（如文獻[5-9]）、基于節點相似性的預測算法[1，10-19]（如文獻[1，10-19]）。利用概率模型進行鏈接預測的基本思想是建立含有一組可調參數的模型，然后使用一些優化策略尋找最優的參數值，使得所得到的模型能夠更好地再現真實網絡的結構和關系特征。網絡中兩個沒有鏈接的節點對建立鏈接的概率等于在這組最優參數下，它們之間建立鏈接的條件概率。概率模型的優勢在于較高的預測精確度，同時使用了網絡的結構信息和節點的屬性信息；但計算的復雜度以及非普適性的參數使其應用范圍受到限制。基于節點相似性算法主要基于網絡的拓撲信息進行鏈接預測，該方法對于集聚系數較低的網絡預測準確性較低，但計算簡單，可擴展性良好，且可被用于實時預測任務中，因此，本文主要研究基于節點相似性的鏈接預測算法。很多學者對基于節點相似性的方法作了相關研究，如文獻[1，10-19]，典型的方法有共同鄰居（Common Neighbor， CN）算法[1]、局部路徑（Local Path， LP）算法[10]和Katz（A new status index named after Katz L）[13]請明確這3個算法到底指代的哪個文獻？Katz是指代文獻13嗎？CN指代哪個文獻，LP指代哪個文獻？請逐個明確。等，詳細信息可參考文獻[10，13，20]。以CN為基礎的10余種算法都只把網絡中有直接鏈接的表示為1，沒有直接鏈接的表示為0，沒有考慮鏈接的重要性信息，而現實的網絡鏈接中顯然是存在鏈接強度的。基于路徑拓撲的相似性方法，如LP和Katz算法的權值確定不直觀，且Katz的權值必須滿足一定的條件，計算時間復雜度較高，每次權值的改變都需要重新計算，實際使用效率不高。

針對以上問題，本文提出了基于鏈接重要性和數據場的鏈接算法――WCDF（Weighted Complete Data Field）。該算法對現有的鏈接作加權處理，同時考慮了潛在鏈接間的影響，對一些沒有鏈接的邊進行鏈接預估計，最后利用數據場勢函數計算兩節點間的相似值，在整體上提高了預測的準確率。

1相關工作

目前，基于節點相似性的鏈接預測算法已有大量研究。兩個節點之間相似性越大，則它們之間存在鏈接的可能性就越大，這是應用節點相似性進行鏈接預測的重要前提假設。LibenNowell等[1]另外，CN是指代文獻1嗎？請明確。要注意與前文的描述保持一致。提出共同鄰居（CN）的方法。該方法認為如果兩節點有更多的共同鄰居，那么它們更傾向于建立鏈接，因此考慮了節點的共同鄰居這一拓撲屬性。Zhou等[10]提出一種新的基于節點相似性的資源分配（Resource Allocation， RA）算法，比其他基于節點相似方法[1，12]有更好的實驗結果（如文獻[1]和[12]）。該方法從網絡資源分配的角度提出新的RA指標，對于網絡中沒有直接相連的兩個節點x和y，它們的共同鄰居可以成為媒介，協助建立鏈接。當網絡的平均度較大的時候RA效果明顯。Lü等[12]提出LP局部路徑指標，該算法是在共同鄰居CN指標的基礎上考慮了三階鄰居的貢獻，利用一個參數來控制三階路徑的作用大小。Katz[13]提出的Katz算法考慮所有的路徑數，對于短路徑賦予較大的權重，對于長路徑賦予較小的權重。Katz算法提出的權重不易確定，同時Katz中的權值取值須小于鄰接矩陣A最大特征值的倒數，這樣才可以保證數列的收斂性，且計算復雜度較高。

對于鏈接強度的研究主要集中在具體網絡節點的屬性上，很少有文獻研究從網絡拓撲本身的角度挖掘權重信息。部分學者在鏈接強度上作了相關的工作。孫浩[21]提出了基于時間信息的在線社交網絡的鏈接預測框架，在該鏈接預測框架中，使用核函數來提取網絡的時間特征來形成基于時間信息的加權概要圖，在時間局部性和時間再現性基礎上再使用擴展的關系貝葉斯分類器來進行鏈接預測。李玉華等[22]給出一種基于鏈接重要性的動態鏈接預測方法，引入鏈接重要性的度量，對拓撲屬性和語義相似度等屬性進行修正，考慮動態性以反映時間因素對鏈接形成的影響。Murata等[23]針對于社交網絡中兩個節點間的事務次數作為鏈接的權值，進行鏈接預測。

綜上所述，現在的基于節點相似性的算法，如CN、RA等算法沒有考慮鏈接權重信息，部分學者如孫浩[21]、李玉華等[22]借助網絡的特有屬性信息，針對特定網絡為鏈接加權處理，然而網絡的私有屬性通常不容易獲得，并且研究的普適性不強；現有的基于帶權路徑的典型算法，如LP、Katz中的權值確定通常采用簡單的試探，很難達到最優解。考慮到基于節點相似的算法有簡單，可擴展性強，又同時又一定的提升改進空間，本文主要針對基于節點相似算法的不足加以改進，提升預測的準確率。

總之，在兩個評價指標的實驗中，WCDF算法與其他4種方法算法相比整體上有優勢。與已有算法相比，本文算法還有如下優點：

1）與具有相同時間復雜度的LP算法相比，WCDF整體提高了準確率，比較高時間復雜度的Katz方法略有優勢，并且WCDF參數的確定簡單，容易求出次優解。而Katz的參數不僅有限制，而且每次參數的變化Katz都要重新計算，調整參數時間代價較高，而WCDF改變權值時和LP一樣，不需要重新計算路徑數信息。

2）WCDF算法在以AUC和DCG兩種衡量指標中都有很好的整體效果，而Katz在以AUC為衡量指標時占優勢，以DCG為衡量指標時不占優勢，LP和RA在以AUC為衡量指標時不占優勢，在以DCG為衡量指標時較占優勢。

3）原有的LP、Katz算法中的β值沒有固定的區間，不穩定，很難確定出優解，而且在Katz算法中β的取值須小于鄰接矩陣A最大特征值的倒數，這樣才可以保證數列的收斂性，每次參數的改變都需要重新計算，調整參數時間代價很大。WCDF算法參數的確定簡單、直觀：當參數σ達到一定的值后在很長區間內趨于穩定，采用幾次簡單的試探便能夠在一定區間內找到很好的次優解，參數確定更直觀，且參數的改變不需要重新計算路徑數，調整參數時代價小。

4結語

針對已有基于節點相似性的鏈接預測方法的缺陷，提出一種基于鏈接重要性和數據場的鏈接預測方法。該方法從鄰居節點的角度考慮了鏈接重要性的影響，同時在已有算法的基礎上對沒有直接相連的節點之間進行鏈接可能性進行預估計，且提出利用數據之間的吸引力來計算不同節點之間的相似性。本文方法在不增加時間復雜度的情況下，與其他算法相比，整體上提高了準確率，并且參數調節簡單、直觀，代價小，有一定的實用價值。但新方法中暫時只考慮了兩節點間的拓撲信息，而節點的活躍性信息還沒有計算在內，下一步工作將加入節點的活躍信息以及其他網絡屬性特征來計算節點相似度。

參考文獻：

[1]LIBENNOWELL D， KLEINBERG J. The link prediction problem for social networks [J]. Journal of the American Society for Information Science and Technology， 2007， 58（7）： 1019-1031.

[2]HUANG Z， LI X， CHEN H. Link prediction approach to collaborative filtering [C]// JCDL05： Proceedings of the 5th ACM/IEEECS Joint Conference on Digital Libraries. Piscataway： IEEE Press， 2005： 141-142.

[3]BISCHOFF K， FIRAN C， GEORGESCU M. Social knowledgedriven music hit prediction [C]// ADMA 2009： Proceedings of the 5th International Conference on Advanced Data Mining and Applications. Berlin： Springer， 2009： 43-54.

[4]PAVLOV M， ICHISE R. Finding experts by link prediction in coauthorship networks [EB/OL]. [20140115]. http：//sunsite.informatik.rwthaachen.de/Publications/CEURWS/Vol290/paper04.pdf.

[5]JEH G， WIDOM J， SIMRAN K. A measure of structural context similarity [C]// Proceedings of the 8th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining. New York， ACM Press， 2002： 538-543.

[6]BLONDEL V D， GAJARDO A， HEYMANS M， et al. A measure of similarity between graph vertices： applications to synonym extraction and Web searching [J]. SIAM Review， 2004， 46（4）： 647-666.

[7]SARUKKAI R R. Link prediction and path analysis using Markov chains [J]. Computer Networks， 2003， 33（6）： 377-386.

[8]FRIEDMAN N， GETOOR L， KOLLER D， et al. Learning probabilistic relational models [C]// IJCAI99： Proceedings of the Sixteenth International Joint Conference on Artificial Intelligence. San Francisco： Morgan Kaufmann Publishers， 1999： 1300-1309.

[9]HECKERMAN D， MEEK C， KOLLER D. Probabilistic entityrelationship models， PRMs， and plate models [C]// Proceedings of the ICML2004 Workshop on Statistical Relational Learning and its Connections to Other Fields. Banff： [s.n.]， 2004： 55-60.

[10]ZHOU T， L L， ZHANG Y C. Predicting missing links via local information [J]. The European Physical Journal B， 2009， 71（4）： 623-630.

[11]DONG Y， KE Q， WU B. Link prediction based on node similarity [J]. Computer Science， 2011， 38（7）： 162-199.（東昱曉，柯慶，吳斌.基于節點相似性的鏈接預測[J].計算機科學，2011，38（7）：162-199.）

[12]L L， JIN C H， ZHOU T. Similarity index based on local paths for link prediction of complex networks [J]. Physical Review E， 2009， 80（4）： 046122.

[13]KATZ L. A new status index derived from sociometric analysis [J]. Psychometrika， 1953， 18（1）： 39-43.

[14]SHEN Y. Link prediction in complex networks [D]. Guangzhou： South China University of Technology， 2011.（沈勇明.復雜網絡鏈接預測[D].廣州：華南理工大學，2011.）

[15]TENG Z. Research on link prediction for dynamic networks [D]. Jinan： Shandong University， 2012.（滕兆明.動態多維社會網絡鏈接預測研究[D].濟南：山東大學，2012.）

[16]YIN H. Research on link prediction for social networks [D]. Changchun： Jilin University， 2012.（殷涵.社會網絡鏈接預測研究[D].長春：吉林大學，2012.）

[17]ZHAO C. Link prediction for social networks [D]. Harbin： Harbin Institute of Technology， 2012.（趙嬋媛.社會網絡鏈接算法研究[D].哈爾濱：哈爾濱工業大學，2012.）

[18]GAO S， DENOYER L， GALLINARI P. Temporal link prediction by integrating content and structure information [C]// Proceedings of the 20th ACM International Conference on Information and Knowledge Management. New York： ACM Press， 2011： 1169-1174.

[19]CUI A， FU Y， SHANG M， et al. The local structure of complex networks sprung up： common neighbor drive network evolution [J]. Acta Physica Sinica， 2011， 60（3）： 803-808.（崔愛香，傅彥，尚明生，等.復雜網絡局部結構的涌現：共同鄰居驅動網絡演化[J].物理學報，2011，60（3）：803-808.）

[20]ADAMIC L A， ADAR E. Friends and neighbors on the Web [J]. Social Networks， 2003， 25（3）： 211-230.

[21]SUN H. Research on link prediction based on transactional information [D]. Qinhuangdao： Yanshan University， 2010.（孫浩.基于事物信息的鏈接預測算法研究[D].秦皇島：燕山大學，2010.）

[22]LI Y， XIAO H， LI D， et al. Research of dynamic link prediction method based on link importance [J]. Journal of Computer Research and Development， 2011，48（z2）： 40-46.（李玉華，肖海嶺，李棟才，等.基于鏈接重要性的動態鏈接預測方法研究[J].計算機研究與發展，2011，48（z2）：40-46.）

[23]MURATA T， SAKIKO M. Link prediction of social networks based on weighted proximity measures [C]// Proceedings of the 2007 IEEE/WIC/ACM International Conference on Web Intelligence. Washington， DC： IEEE Computer Society， 2007： 86-88.

[24]GRANOVETTER M S. The strength of weak ties [J]. Journal of American Sociology， 1973， 78（6）： 1368-1178.