融合多元信息的多关系社交网络节点重要性研究

发布时间：2023-04-06 19:13

　　识别重要节点是社会网络分析领域的重要任务之一,也是理解复杂网络结构和动力学特性的有效方式,迄今发展起来的节点重要性分析框架主要面向单关系网络.多关系网络作为准确刻画现实世界复杂系统的典型建模形式,已成为当前网络科学领域研究的热点,但对于多关系网络的节点重要性研究尚缺乏系统性的研究成果.针对多关系社交网络节点重要性研究问题,通过构建有向多重网络模型和基于张量代数的数学框架对其进行建模和分析,将中心性、声望和传递性作为影响社交网络节点重要性的关键因素,提出了一种面向多关系社交网络的节点重要性度量指标,并针对其存在不足引入D-S(Dempster-Shafer)证据理论进行改进,进一步提出了IOMEC(in-degree out-degree multiplex evidential centrality)节点重要性度量方法.在4个真实网络上的实验结果表明:采取信息融合的方法可以有效消除多关系网络耦合信息和传递机制对节点重要性评测造成的影响,提出的IOMEC方法能够更准确地对节点重要性进行度量,并且具有较低的时间复杂度,在论证节点中心性和声望是衡量节点重要程度主要因素的同时,说明了综合考虑节...

【文章页数】：17 页

【文章目录】：
1 相关工作
2 基础理论
    2.1 爱因斯坦求和约定和符号记法
        1) 哑指标规则
        2) 自由指标规则
    2.2 ClusterRank与IO-ClusterRank指标
    2.3 D-S证据理论
3 多关系网络的张量表示和基本度量
    3.1 多关系网络的基本模型
    3.2 多关系网络的张量表示框架
        1) 单层网络的张量表示
        2) 多层网络的张量表示
    3.3 多关系网络的基本度量
        1) 多关系网络的度中心性
        2) 多关系网络的局部聚集系数
4 融合多元信息的节点中心性度量方法
    4.1 基于IO-ClusterRank的节点重要性排序方法
    4.2 融合多元信息的节点重要性排序方法
    4.3 时空复杂度分析
        1) 时间复杂度分析
        2) 空间复杂度分析
5 实验与讨论
    5.1 评价标准
    5.2 运行时间分析
    5.3 度量准确性分析
6 总 结



本文编号：3784254