论文部分内容阅读
随着复杂网络的研究不断深入,越来越多学者关注于研究少量重要节点对整个网络功能所产生巨大作用,而快速有效地挖掘复杂网络中的重要节点成为现今研究的热点。网络规模和结构瞬息万变,快速有效地挖掘网络中的重要节点对各个领域都有重要的现实意义。本文针对复杂网络节点重要度排序的研究工作内容如下:(1)针对现有无权网络和加权网络经典的节点重要度排序方法进行了研究,详细介绍了针对无权网络的排序方法:度中心性、接近中心性、介数中心性、Burt、PageRank以及LeaderRank算法,并比较每种方法的优缺点。详细介绍了加权网络的排序方法:加权度中心性、加权接近中心性、加权PageRank、加权LeaderRank算法,并比较每种方法的优缺点。(2)针对无权网络提出了节点相似度的概念,用于衡量节点间相互影响的程度,结合LeaderRank算法,并充分考虑节点对相互作用存在差异性从而提出了SRank算法。不同于经典的节点重要度排序方法,SRank算法充分考虑了节点局部特征和全局特征,更符合实际网络,其排序结果更为准确,而且SRank算法不仅适用于无向网络,也适用于有向网络。(3)采用SIR传播模型定义得到无权网络节点的传播重要度。通过在五个真实网络的仿真,采用排序结果与节点传播能力的相关性图、相关性指数以及重要节点传播效果图的三种评价方法,从不同角度说明,SRank在不仅在挖掘重要节点表现优异,在整个节点重要度排序中,都优于其他算法,且SRank算法时间复杂度低,适用于大规模网络重要节点挖掘。(4)针对加权网络引入了结构洞的概念,考虑节点的二层邻接拓扑结构定义了节点维持连边关系的花销,提出W-Burt算法。W-Burt算法综合考虑节点的桥接重要度和节点中心性,符合现实网络中,即使度值很小的桥接点对信息在网络中的扩散起到巨大的推动作用,使得排序结果更为准确。(5)采用SI传播模型定义得到加权网络节点的传播重要度。通过在三个真实网络的仿真,采用排序结果与节点传播能力的相关性图、相关性指数以及重要节点传播效果图的三种评价方法,从不同角度说明,W-Burt在整个节点重要度排序中,都优于其他算法,且W-Burt算法时间复杂度较低可用于大规模网络。