演化网络中节点的排序算法及其应用研究

发布时间：2021-08-10 05:06

　　网络科学作为一门新兴学科在近二十年中迅速发展,由于复杂系统普遍存在于自然界及社会系统中,复杂网络作为描述复杂系统的有力工具,关于它的研究涉及了广泛的科学及工程问题。网络中节点的重要性排序问题是网络科学中的一类普遍而重要的研究课题,并且有广泛的科研及应用价值,例如网络中高影响力节点的识别、网页搜索引擎中对网页的排序、在线购物平台中对商品的排序等,节点的重要性排序问题一直以来受到广泛的研究,以往的研究在不同的背景下提出了纷繁多样的节点重要性排序算法。目前,绝大部分传统的节点重要性排序算法默认的研究对象是静态网络,即网络的结构不随时间改变。然而在现实世界中的许多网络会随着时间演化,针对静态网络的节点排序算法将因网络结构随时间的改变产生偏差,因此研究针对演化网络的节点排序算法具有实际意义。与此同时,研究表明在如网页搜索引擎等的诸多场景中,节点的排序算法也对网络结构的进一步演化产生影响,而如何研究节点的排序算法对系统产生的长期影响仍是一个尚未被探索的问题。本论文将着重研究演化网络中节点的重要性排序问题、节点的重要性排序算法对演化网络的长期影响、以及网络中的节点排序在实际场景中的应用。本文的主要工... 

【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校

【文章页数】：69 页

【学位级别】：硕士

【部分图文】：

不同参数模型下，算法的质量提升能力首先比较入度和重标入度()的质量提升能力

电子科技大学硕士学位论文34图3-3四种排序算法在质量提升能力上的比较3.4.2排序算法的质量探测能力的比较排序算法探测节点质量的能力由节点的中心性值和质量之间的相关性的强弱决定。在入度和重标入度生成的网络中，排序算法对节点赋予的中心性值分别为节点的入度和重标入度()。图3-4展示了不同排序算法的质量探测能力,同样这里设定分别为0.7,0.8,0.9，通过固定的值改变的值来比较不同排序算法的质量探测能力。在图3-4上面的三个分图中，我们发现对不同的模型参数和，((),)始终大于(,)，100((),)始终大于100(,)，说明在不同的模型参数情况下，重标入度的质量探测能力普遍高于入度，如上面讨论的，因为重标入度具有更好的质量探测能力的这一优势，使得重标入度能够将高质量的节点探测到并将其排序至其他节点的前面，这样高质量节点将获得更多的“曝光度”，使得其最终的入度得到提升，即重标入度的高质量探测能力使其具有更好地质量提升能力。对于()+排序算法，与质量提升能力的表现类似，当较小时，其在质量探测能力上的表现与重标入度非常接近，说明随机提升机制对算法的质量探测能力没有影响，而当>1时，重标入度表现得更好，这与质量提升能力的结果是一致的。

第三章节点的排序算法对演化网络的影响35值得注意的是，对于随机排序算法，其质量探测能力为0，这是因为随机排序算法对节点的排序是完全随机的，因而无法感知到节点的内在质量。尽管在特定的模型参数下，随机排序具有一定的质量提升能力，这种提升能力不是由其质量探测能力带来的。图3-4四种不同的排序算法在质量探测能力上的比较图3-5四种不同的排序算法在多样化能力上的比较3.4.3排序算法的多样化能力的比较图3-5展示了不同的排序算法的多样化能力。可以看到，随机排序能够生成度

【参考文献】：
期刊论文
[1]复杂网络中节点重要度评估的节点收缩方法[J]. 谭跃进,吴俊,邓宏钟.  系统工程理论与实践. 2006(11)



本文编号：3333523