基于节点相似性有偏游走的多层时序网络节点重要性评估

发布时间：2023-02-16 09:15

　　时序网络中关键节点的挖掘引起了社会广泛的关注。针对时序网络建模中存在忽略时间信息、未考虑时间切片间的交互关系进而影响关键节点识别准确性和科学性的问题,构建了多层时序网络模型,并提出了一种基于节点相似性有偏游走的关键节点识别算法:多层时序有偏PageRank(MTB-PR)。本文中网络模型的构建引入多层网络分析方法,完整涵盖了时序网络的结构演变。同时,基于所构建的网络模型,综合层内相邻节点间相互作用及其层间影响的双重因素来区分节点的不同影响力;通过数据分析,探讨了一些偏差参数变化对节点重要性能指标的影响。最后,将模型和算法应用于真实网络中,通过实验数据验证了该方法的合理性和有效性。

【文章页数】：7 页

【文章目录】：
1 多层时序网络构建
2 多层时序网络中节点重要度评判
    2.1 基于节点相似性的有偏随机游走
    2.2 多层时序有偏PageRank算法
3 数据建模与结果分析
    3.1 数据收集与建模
    3.2 实验结果分析
        3.2.1 引入节点相似性对节点排名的影响
        3.2.2 多层时序有偏PageRank与多层时序无偏PageRank所得节点重要性分析
        3.2.3 不同偏差参数下节点的排序结果分析
4 结论



本文编号：3743949