时序网络中关键节点的识别方法研究进展

发布时间：2021-03-08 04:19

　　相对静态网络,时序网络可以更准确地刻画现实网络的动态过程。基于时序网络模型,如何有效地识别重要节点或者评价时序网络中一个节点对其他节点的影响力,已成为时序网络研究领域中的一个亟待解决的问题。该文分别从时序网络拓扑结构和动力学的角度,对现有的时序网络中的关键节点识别方法进行了系统的回顾,详细比较各种方法的计算思路、应用场景和优缺点。最后总结了这一研究方向几个待解决的问题,并指出未来可能的发展方向。 

【文章来源】：电子科技大学学报. 2020,49(02)北大核心

【文章页数】：24 页

【参考文献】：
期刊论文
[1]基于TOPSIS的时序网络节点重要性研究[J]. 郭强,殷冉冉,刘建国.  电子科技大学学报. 2019(02)
[2]基于层间相似性的时序网络节点重要性研究[J]. 杨剑楠,刘建国,郭强.  物理学报. 2018(04)
[3]在线社交网络信息传播机制与动力学研究综述[J]. 张子柯.  情报学报. 2017(04)
[4]基于复杂网络和机器学习的P2P用户违约预测[J]. 林国强,赵毅鸣,况青作,樊瑛.  北京师范大学学报(自然科学版). 2017(01)
[5]移动P2P社会网络中关键节点发现方法[J]. 白宇清,李海健,蔡青松.  计算机科学与探索. 2016(03)
[6]时序网络演化速度对传播的影响分析[J]. 朱义鑫,张凤荔,秦志光.  计算机应用. 2014(11)
[7]网络重要节点排序方法综述[J]. 任晓龙,吕琳媛.  科学通报. 2014(13)
[8]复杂网络中节点重要性排序的研究进展[J]. 刘建国,任卓明,郭强,汪秉宏.  物理学报. 2013(17)
[9]复杂网络中最小K-核节点的传播能力分析[J]. 任卓明,刘建国,邵凤,胡兆龙,郭强.  物理学报. 2013(10)



本文编号：3070398