基于三角邻域复杂网络影响最大化分析

发布时间：2020-07-20 12:57

【摘要】：复杂网络是指具有小世界、无标度等部分或全部性质的网络。社会生活的各个领域都可抽象为复杂网络,如社会关系网、生物网络、国际金融网络等都具有复杂网络的特性。因此复杂网络的研究对现实社会具有重大的理论价值及实践意义。本文主要研究复杂网络的节点重要性排序和影响最大化两方面问题,下面将针对这两个问题进行论述。首先,提出基于三角邻域与k-shell节点重要性排序算法,该算法解决了因k-shell分解算法具有粗粒化特性,使不同重要程度的节点具有相同的k-shell值,且没有考虑节点传播信息时的重叠效应等问题。针对以上问题,引入三角邻域相似度,同时考虑节点的局部和全局属性,以期充分评估节点的重要程度,提高算法的准确率及有效性。其次,为使信息更快、更广的传播,提出一种基于社团混合式影响最大化算法。解决了因传统爬山贪婪算法的计算成本偏高,启发式算法计算精度低等问题。针对以上问题,综合考虑网络的社团结构及社团间连接节点特性,同时融合节点在社团的自身影响力及与社团其他节点的连接强度,以期得到有效及准确的种子集,使信息能够快速传播至网络。最后,分别将本文所提的两种算法使用不同的评价标准,与其他算法进行对比仿真实验,实验表明基于三角邻域节点与k-shell重要性排序算法的排序结果优于其他算法,基于社团混合式影响最大化算法所选取的种子集比其他算法能使信息更快、更广的传播。
【学位授予单位】：燕山大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TP301.6;O157.5
【图文】：

但 k-shell 分解算法也存在一些不足。如 k-shell 分解算法应用于网络。在树型结构和 发现有影响传播者能力有限。一般地，从 k-s度出发，发现在不同的实际网络中核心节点比过大量的模拟实验，发现事实并非如此。在一，而其他节点的传播效率较低。在网络中，每 k-shell 分解算法会给大部分节点赋予相同的值3-1 简单网络所示， ks 1的节点有{5,6,7,11}，点有{1,2,3,4}，不能准确划分每个节点在网络角简单网络传播信息时出现重叠效应影响传播信息的同时，节点 2 收到信息会向节点 1、3、接收过此信息，以此类推，信息将会在节点 1，信息在这个循环中不断重复传播，有损信息

图 3-2 三角关系网与 k-shell 重要性排序算法网络中节点影响力与节点的度有关，节点的张艺兴的新浪微博账号拥有 2753 万的粉丝 9710 万的粉丝关注量。直观看，谢娜的公性指标描述节点的局部性质和节点自身影节点对节点的影响。k-shell 分解算法考虑网络的重要位置，ks值小的节点位于网络许多ks值相同的节点集合，使得不同影响键节点的排序序列。本算法不仅考虑节点点对节点的影响及为避免信息的重复传播域相似度提高信息传播效率。

第三章 基于三角邻域与 k-shell 重要性排序算法节点加入到初始种子集。第 16 行代码是输间复杂度则为 O (n)。综上所述，TNK 算法进行更准确地排序。

【参考文献】

相关期刊论文 前2条

1 田艳;刘祖根;;利用KSN算法发现网络中有影响力的结点[J];计算机科学;2015年S2期

2 田家堂;王轶彤;冯小军;;一种新型的社会网络影响最大化算法[J];计算机学报;2011年10期

本文编号：2763469