【摘 要】
:
现实生活中网络无处不在,例如道路网络、生态网络、蛋白质相互作用网络、社交关系网络等。随着复杂性科学的诞生,人们得以从现实世界的方方面面抽象出关于复杂网络的图的表征。在复杂网络的基础研究中,节点重要性研究是其中的一个重要分支——研究复杂网络中被抽象为节点的实体对象在该网络中的重要程度。在疫情防控与溯源、防止经济危机的扩散、电力网络的抢修与交通基建等方面,节点重要性挖掘发挥着不可忽视的作用。而加权网络
论文部分内容阅读
现实生活中网络无处不在,例如道路网络、生态网络、蛋白质相互作用网络、社交关系网络等。随着复杂性科学的诞生,人们得以从现实世界的方方面面抽象出关于复杂网络的图的表征。在复杂网络的基础研究中,节点重要性研究是其中的一个重要分支——研究复杂网络中被抽象为节点的实体对象在该网络中的重要程度。在疫情防控与溯源、防止经济危机的扩散、电力网络的抢修与交通基建等方面,节点重要性挖掘发挥着不可忽视的作用。而加权网络携带了比无权网络更加丰富的信息,它更加适用于表征现实世界中的网络结构。近年来困扰加权网络节点重要性研究的因素主要有以下几点。其一,加权网络节点重要性的计算往往时间复杂度和准确性难以兼顾,如何确保二者兼得,便成了一个关键性问题。其二,对于已有算法,是否存在低计算时间开销情况下提升其准确性的优化方案。第三,在加权网络中,权重对节点的重要性的贡献关系目前还尚未明确定义统一的框架。这些都亟需寻求合理的解决方案。首先,针对加权网络的节点重要性中的权重对节点重要性做正/反向贡献问题,本文提出了一种简洁的归一化量化方法。针对加权网络的节点重要性的计算问题,本文还提出了一种基于局部拓扑结构信息的节点重要性挖掘算法和一种基于半局部拓扑结构信息或全局拓扑结构信息(半局部和全局将取决于参数设定)的优化方法,分别称为权重期望算法(Weighted Expectation,WE)和队列强化算法(List Plus,LP)。对于WE算法的设计,受到了期望和Softmax函数计算方式的启发。依托于其计算特性,本文首先根据节点间联系的强度与边的权重之间的相关性,建立了新的权重归一化公式;进而,本文可以探索一种新的基于网络局部拓扑结构信息的加权网络的节点重要性计算方法;最后,基于上述思想,算法以计算节点重要性得分分值的方式来评价网络中节点的重要性。通过与多个节点重要性算法在真实网络上的实验验证与对比分析显示,WE算法能以极低的时间复杂度收获非常可观的准确性。对于LP算法,其实质是,在现有研究关于限制关联节点规模的基础上,进一步考虑了关联节点的选点方式:在已有排序的基础上,基于Frustrated随机游走方法和迭代传递节点重要性的F函数,利用多阶邻居信息,对节点重要性排序准确性进行优化的一种算法。LP算法本身的时间复杂度很低,且具很好的可移植性,可对其输入任何一种有节点重要性得分的排序结果进行优化。根据随机游走原理以及调控权重对节点重要性的贡献程度大小来对排序的准确性实现进一步的提升。通过与多个节点重要性算法在真实网络上的实验验证与对比分析显示,LP算法具有提升排序准确性的效果。
其他文献
鸡传染性鼻炎是鸡的一种常见的细菌性传染病,换季时节和产蛋期高发,可引起青年鸡群成活率下降和产蛋鸡群产蛋率下降等,给国内养鸡业造成巨大的经济损失。本文阐述了目前一些养鸡场主或管理者在鸡传染性鼻炎疫苗接种工作中存在的一些误区,建议根据鸡传染性鼻炎的发病流行规律,制定科学合理的防控方案,即在做好生物安全和饲养管理等前提下,仍需开展鸡群开产前、后的疫苗接种工作,以更好地应对鸡传染性鼻炎高发区域的感染压力。
社交机器人旨在通过与用户交流来满足不同对话场景下的用户需求,其核心是对话生成模型。根据场景的不同,模型可分为闲聊对话模型、问答对话模型以及垂直领域的任务解析对话模型。本文研究闲聊对话模型中的个性化对话生成问题。具体来说,一个优秀的闲聊对话模型被要求具备拟人化特征,这表现为除了具备流畅的对话响应外,还应具备人物相关属性的阐述。由于社交网络庞大且涉及用户众多,大量的人物属性被包含在其中,个性化表达就成
社交聊天表情图像合成是跨模态文本生成图像(Text-to-image,T2I)领域的一个典型应用,即根据用户的文本描述,生成一张符合语义信息的聊天表情图像。传统的聊天表情图像获取是在预定义的表情图像库中,通过关键字检索或匹配的方式获取。这种预先定义的表情图像是固定且有限的,不能满足社交用户需求。近几年以来,一些基于生成对抗网络的文本生成图像方法已能生成较高质量的、符合一定语义信息的图像,为聊天表情
查询优化一直是数据库领域的关键问题。数据库的业务应用需要大量的查询执行支持,查询执行的速度决定了数据库的整体效率,查询优化是加速查询执行的主要手段。传统数据库领域经过数十年的研究,积淀了大量的查询优化成果。传统的查询优化方法通常借用过往的研究经验,设置固定的规则进行查询优化。固定的规则设置具有普适性,但是该方式缺乏学习性不能随着数据分布的改变应用不同的规则。同时传统的查询优化器需要工作人员调整大量
随着深度学习日渐成熟,目前很多工业场景已经大规模应用深度学习模型。但现实中的数据集和训练集存在较大差异,例如不同背景下、不同光照下的图像,从而导致模型对真实数据集分类效果不佳。因此研究人员提出了域自适应模型,针对不同环境下的数据集进行特征对齐,使得模型能够识别出两个域之间图像的共有特征,实现不同域之间的自适应。虽然域自适应模型可以很好地解决上述问题,但近几年针对深度学习安全性的讨论愈发火热,对抗攻
随着深度生成模型的不断升级,深度伪造技术越发成熟,该技术被别有用心之人所用,可能会对社会稳定和网络空间安全构成一定威胁。目前,深度伪造检测已引起各界关注,已有很多针对虚假图像检测的方法被提出,但现存的大部分方法所用数据集样本量较大且模型泛化性能较弱。针对以上问题,本文基于大量的文献阅读,对深度伪造技术进行归纳分析,结合现存深度伪造检测模型的优点,对深度伪造检测展开研究。本文主要成果包括以下两方面:
拜占庭容错是指分布式环境下系统能够承受其副本任意故障(拜占庭错误)的能力,而拜占庭共识协议保证了在存在错误副本的环境下数据的一致性。随着区块链的诞生和应用使得拜占庭容错再次引起了研究者们的关注,作为一种分布式系统的特殊场景,共识协议保证了区块链中交易数据的一致性。快速、安全的共识协议是研究者们关注的核心,也对未来区块链的大规模应用和构建价值互联网有重要意义。本文从传统分布式的角度阐述了拜占庭容错共
旋翼无人机由于其特有的高空优势,越来越受到人们的关注,人们迫切希望可以使用无人机执行一些高危任务和利用其在高空中的优势节省成本。虽然旋翼无人机的应用有很大的发展空间,但其有限的续航能力限制了它的发展。因此,在无人机执行任务时对其进行能耗优化是至关重要的,为了实现这一目标,需要有一个可靠且精确的能耗度量模型来度量能耗。本文提出了一种具有多飞行特征的旋翼无人机能耗度量模型,基于这种模型,结合路径规划方
软件开发第三方库作为软件开发领域重要的可复用资源,能够提高开发人员的效率。现存的第三方库数量巨大、种类繁多,搜寻合适的第三方库需要耗费开发人员很多精力。同时,现存的诸多第三方库中,存在推荐系统常见的“长尾问题”,比较受欢迎的第三方库被推荐的频次更高,那些没那么受欢迎但是和开发人员项目高度关联的第三方库却不能够被推荐或者很少被推荐。本文基于第三方库领域的推荐任务,主要研究如何向开发人员推荐适合开发项
合作行为广泛存在于现实中的复杂系统,如细菌、蜜蜂和癌细胞。人类社会中的合作行为更为多样,促进机制也更为复杂。合作为种群创造了更好的群体优势,却降低了个体的竞争力。在囚徒困境博弈中,集体非理性的背叛行为会成为理性个体的优势策略。演化博弈是研究群体合作问题有效的理论框架。本文通过复杂网络研究了结构化群体中的合作演化,并分析了其中的策略竞争和网络演化,主要工作包括以下两个内容:(1)研究了引入信任评价机