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 work, we reduce this latter intrinsic limitation and show that different kind of relational data can be exploited to improve the prediction of new links. To this aim, we propose a novel 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 the new 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 byproduct, 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 a new algorithm for link prediction in multiplex networks that can be applied to a plethora of systems.

中文翻译：

---

通过三元闭包在多重网络中进行链接预测

链接预测算法可以帮助理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的未来交互。基于节点之间相似性的可用算法受到这些网络中存在的有限链接数量的限制。在这项工作中，我们减少了后者的内在限制，并表明可以利用不同类型的关系数据来改进对新链接的预测。为此，我们通过将 Adamic-Adar 方法推广到由任意数量的层组成的多路复用网络来提出一种新的链路预测算法，这些网络对各种形式的交互进行编码。我们表明，新指标优于经典的单层 Adamic-Adar 分数和其他最先进的方法，在多个社交、生物和技术系统。作为副产品，最大化 Multiplex Adamic-Adar 度量的系数表明如何针对链路预测任务优化多路网络中结构化的信息，揭示哪些层是冗余的。有趣的是，对于不同层的预测，这种影响可能是不对称的。我们的工作为更深入地理解不同关系数据在预测新交互中的作用铺平了道路，并为多路网络中的链接预测提供了一种新算法，该算法可应用于大量系统。有趣的是，对于不同层的预测，这种影响可能是不对称的。我们的工作为更深入地理解不同关系数据在预测新交互中的作用铺平了道路，并为多路网络中的链接预测提供了一种新算法，该算法可应用于大量系统。有趣的是，对于不同层的预测，这种影响可能是不对称的。我们的工作为更深入地理解不同关系数据在预测新交互中的作用铺平了道路，并为多路网络中的链接预测提供了一种新算法，该算法可应用于大量系统。