复杂网络中关键节点的挖掘算法研究
发布时间：2021-11-20 16:11
真实复杂网络中存在的异构性导致各个节点在结构和功能上扮演着截然不同的角色。因此,挖掘复杂网络中的关键节点显得至关重要,并且越来越受到网络科学和计算机科学等学科的广泛关注。挖掘网络中的关键节点有助于我们控制流行病的爆发,为电子商务产品精准投放广告,预测科学出版物的受欢迎程度,等等。从网络传播动力学的角度来看,关键节点也被称为最有影响力的传播源,能够最大范围地将疾病、信息等传播至整个网络。根据网络的拓扑结构信息挖掘关键节点是常用的方法之一。本文从网络的全局属性、局部属性和全局-局部属性三个角度出发,结合传播动力学,针对真实复杂网络中关键节点的挖掘算法展开研究,主要工作包括:（1）基于网络全局属性的中心性算法常被用于挖掘网络中的关键节点,然而,这些在特定条件下提出的算法容易忽略邻居节点属性带来的影响。通过融合邻居节点的属性信息,本文提出了一种基于迭代资源分配（Iterative Resource Allocation,IRA）的关键节点挖掘算法。在这个过程中,节点的资源是根据邻居的属性而分配得到的。在一定的迭代次数后,每个节点上的资源量趋于稳定,利用节点的最终资源对关键节点进行排序。IRA算...
【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】：125 页
【学位级别】：博士
【部分图文】：
–4中左图表示的是使用两种不同的关键节点挖掘算法获得前20个节
无标度网络去除节点数据和网络最大连通子图规模的关系[58]的优劣。图1–4中左图表示的是使用两种不同的关键节点挖掘算法获得前20个节点和前50个节点作为初始传染源经过一定时间步后网络的感染范围。可以看出，LeaderRank算法的准确性明显优于PageRank算法。图1–4 LeaderRank和PageRank算法基于传播影响力的准确性比较[60]1.4本文主要创新点复杂网络关键节点挖掘的研究中，基于网络属性的中心性算法是最常用的，也最为经典。然而，这些算法主要是在特定的情况下被提出来的，准确性容易受到网络结构的影响，因此有必要提出一些新的准确性较高、适用于不同情况的关键节点挖掘算法。本文在基于网络全局属性、局部属性和全局-局部属性的基础上提出了一系列算法用于挖掘网络中的关键节点，可能的创新之处有以下三个方面：（1）节点在网络中的关键性程度不仅受到自身属性的影响，也受到邻居节点属性的影响。通过将节点属性看作是一种影响力资源，本文提出了一套基于迭代资源分配的关键节点挖掘算法。该算法适用于多种中心性算法
【参考文献】：
期刊论文
[1]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)
[2]基于网络社团结构的节点传播影响力分析[J]. 赵之滢,于海,朱志良,汪小帆. 计算机学报. 2014(04)
[3]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)
[4]一种新的网络传播中最有影响力的节点发现方法[J]. 胡庆成,尹龑燊,马鹏斐,高旸,张勇,邢春晓. 物理学报. 2013(14)
[5]基于跨电商行为的交叉推荐算法[J]. 张亮,柏林森,周涛. 电子科技大学学报. 2013(01)
[6]一种新型的社会网络影响最大化算法[J]. 田家堂,王轶彤,冯小军. 计算机学报. 2011(10)
[7]Epidemic dynamics on complex networks[J]. ZHOU Tao , FU Zhongqian, and WANG Binghong (Department of Electronic Science and Technology, University of Science and Technology of China, Hefei 230026, China;Department of Modern Physics, University of Science and Technology of China, Hefei 230026, China). Progress in Natural Science. 2006(05)
[8]复杂网络上传播动力学研究综述[J]. 周涛,傅忠谦,牛永伟,王达,曾燕,汪秉宏,周佩玲. 自然科学进展. 2005(05)
[9]网络节点(集)重要性的一种度量指标[J]. 李鹏翔,任玉晴,席酉民. 系统工程. 2004(04)
本文编号：3507687
【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】：125 页
【学位级别】：博士
【部分图文】：
–4中左图表示的是使用两种不同的关键节点挖掘算法获得前20个节
无标度网络去除节点数据和网络最大连通子图规模的关系[58]的优劣。图1–4中左图表示的是使用两种不同的关键节点挖掘算法获得前20个节点和前50个节点作为初始传染源经过一定时间步后网络的感染范围。可以看出，LeaderRank算法的准确性明显优于PageRank算法。图1–4 LeaderRank和PageRank算法基于传播影响力的准确性比较[60]1.4本文主要创新点复杂网络关键节点挖掘的研究中，基于网络属性的中心性算法是最常用的，也最为经典。然而，这些算法主要是在特定的情况下被提出来的，准确性容易受到网络结构的影响，因此有必要提出一些新的准确性较高、适用于不同情况的关键节点挖掘算法。本文在基于网络全局属性、局部属性和全局-局部属性的基础上提出了一系列算法用于挖掘网络中的关键节点，可能的创新之处有以下三个方面：（1）节点在网络中的关键性程度不仅受到自身属性的影响，也受到邻居节点属性的影响。通过将节点属性看作是一种影响力资源，本文提出了一套基于迭代资源分配的关键节点挖掘算法。该算法适用于多种中心性算法
【参考文献】：
期刊论文
[1]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)
[2]基于网络社团结构的节点传播影响力分析[J]. 赵之滢,于海,朱志良,汪小帆. 计算机学报. 2014(04)
[3]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)
[4]一种新的网络传播中最有影响力的节点发现方法[J]. 胡庆成,尹龑燊,马鹏斐,高旸,张勇,邢春晓. 物理学报. 2013(14)
[5]基于跨电商行为的交叉推荐算法[J]. 张亮,柏林森,周涛. 电子科技大学学报. 2013(01)
[6]一种新型的社会网络影响最大化算法[J]. 田家堂,王轶彤,冯小军. 计算机学报. 2011(10)
[7]Epidemic dynamics on complex networks[J]. ZHOU Tao , FU Zhongqian, and WANG Binghong (Department of Electronic Science and Technology, University of Science and Technology of China, Hefei 230026, China;Department of Modern Physics, University of Science and Technology of China, Hefei 230026, China). Progress in Natural Science. 2006(05)
[8]复杂网络上传播动力学研究综述[J]. 周涛,傅忠谦,牛永伟,王达,曾燕,汪秉宏,周佩玲. 自然科学进展. 2005(05)
[9]网络节点(集)重要性的一种度量指标[J]. 李鹏翔,任玉晴,席酉民. 系统工程. 2004(04)
本文编号：3507687
本文链接：https://www.wllwen.com/kejilunwen/yysx/3507687.html
