Link prediction algorithms can help to understand the structure and dynamics of complex systems, to reconstruct networks from incomplete data sets, and to forecast future interactions in evolving networks. Available algorithms based on similarity between nodes are bounded by the limited amount of links present in these networks. In this Rapid Communication, we reduce this latter intrinsic limitation and show that different kinds of relational data can be exploited to improve the prediction of new links. To this aim, we propose a link prediction algorithm by generalizing the Adamic-Adar method to multiplex networks composed by an arbitrary number of layers, that encode diverse forms of interactions. We show that this metric outperforms the classical single-layered Adamic-Adar score and other state-of-the-art methods, across several social, biological, and technological systems. As a by-product, the coefficients that maximize the multiplex Adamic-Adar metric indicate how the information structured in a multiplex network can be optimized for the link prediction task, revealing which layers are redundant. Interestingly, this effect can be asymmetric with respect to predictions in different layers. Our work paves the way for a deeper understanding of the role of different relational data in predicting new interactions and provides another algorithm for link prediction in multiplex networks that can be applied to a plethora of systems.

中文翻译：

---

通过三重闭环在多路复用网络中进行链路预测

链接预测算法可以帮助您了解复杂系统的结构和动力学，从不完整的数据集中重建网络，并预测不断发展的网络中未来的相互作用。基于节点之间相似性的可用算法受这些网络中存在的有限数量的链接的限制。在本快速通信中，我们减少了后者的固有限制，并表明可以利用各种关系数据来改善对新链接的预测。为此，我们提出了一种链接预测算法，该算法通过泛化Adamic-Adar方法来复用由任意数量的层组成的网络，这些层对交互形式进行编码。我们证明，该指标在多个社交网络中均优于经典的单层Adamic-Adar得分和其他最新方法，生物和技术系统。作为副产品，最大化多路复用Adamic-Adar度量的系数表示如何针对链路预测任务优化多路复用网络中结构化的信息，从而揭示哪些层是冗余的。有趣的是，这种影响相对于不同层中的预测可能是不对称的。我们的工作为深入了解不同关系数据在预测新交互中的作用铺平了道路，并提供了可用于多种系统的多路复用网络中链路预测的另一种算法。揭示哪些层是多余的。有趣的是，这种影响相对于不同层中的预测可能是不对称的。我们的工作为深入了解不同关系数据在预测新交互中的作用铺平了道路，并提供了可用于多种系统的多路复用网络中链路预测的另一种算法。揭示哪些层是多余的。有趣的是，这种影响相对于不同层中的预测可能是不对称的。我们的工作为深入了解不同关系数据在预测新交互中的作用铺平了道路，并提供了可用于多种系统的多路复用网络中链路预测的另一种算法。