基于相对熵的网络节点相似性度量研究

发布时间：2025-01-01 00:45

　　有效的节点相似性度量方法有助于深入理解复杂网络拓扑结构及动态特征,发现信息、流行病、谣言等数据在网络中的传播规律。基于全局的方法利用节点间的路径信息来计算节点相似性,通常计算代价高,且基于全局路径的节点相似性度量方法容易导致大度节点成为一般相似节点;基于局部信息的方法利用节点邻域相关的结构信息度量节点间相似性,降低了计算维度,有助于分析大规模网络的拓扑结构。但目前存在一些局部方法问题,如基于公共邻居的度量方法仅使用了较短距的结构信息,使得节点间的结构差异难以区分。本文对基于局部信息的节点相似性度量问题开展研究,提出了两种基于相对熵的网络节点相似性度量方法,主要工作如下:(1)针对基于随机游走的节点相似性度量模型中存在的大度节点依赖问题,从信息论的角度提出了一种基于相对熵的随机游走相似性度量方法(A random walk similarity measure model based on Relative Entropy,RE-model)。首先根据随机游走模型得到网络中节点的转移概率向量,利用节点经过多步随机游走后到达网络中影响力较大的节点的转移概率来构造该节点的转移概率分布,计算两个...

【文章页数】：72 页

【学位级别】：硕士

【部分图文】：

图３．１?Ｋａｒａｔｅ网络??戶３，３．２ａＭ

?????ｊｊ：相似性ｉｔｉｇｇ???游走相似性度量根据公式（３．３）得到的每一节点到网络中前ｒ个大度节点的转移概率??进行度量肘，降低了网络中一興非重要节点对实验结果的千扰，节省了大量對间，并??１在对称性方面表现更好。??３．２实例??为了更好地理解本章所提出的ＲＥ－ｍｏｄｅ....

图３．２?Ｋａｒａｔｅ网络的相关矩阵??３．３时间复杂度分析??现有的随机游走相似性璨羹通过计算一个粒子从网络中每一节点随机游走到任??

ＳＳＳＳＳＳＳＳＳ?圔?｜＿。?ｓｒｓ?ＳＳ?５ＳＳＳＳ８ＳＳＳＢ?１００??１?３?５?７?９?１１?１３?１５?１７?１９?２１?２３?２５?２７?２９?３１?３３?１?３?５?７?９?１１?１３?１５?１７?１９?２１?２３?２５?２７?２９?３１?３３?１?３?５?７?９....

图３．５?Ｆａｃｅｂｏｏｋ网络中节点感染能力的方差对比图??

第三￥?—种基于相对墒的隨机游走：相似性离量＿型???ｓｏｃｆｂ－Ｗｉｌｌｉａｍ７７??１?Ｔ?？?ＲＷ?—?ＲＥ＿ＢＲＷ??ＲＥ＿ＲＷ?？?ＭＥＲＷ??Ｃ?００２５?ｊ?＼?，?ＲＷＲ?—?ＲＥ—ＭＥＲＷ??？Ｅ?ｊ?——?ＲＥ＿ＲＷＲ?ＬＲＷ??｜〇，？〇?Ｉ?％ｌ?－－?Ｂ....

图３．６?Ｆａｃｅｂｏｏｋ网络中节点恢复能力的方差对比图??３．５．２社区发现实验结果??本节利用不同的随机游走策略及ＲＥ－ｍｏｄｅｌ模型构造的相似性矩阵重新刻画网??

Ｗｉｌｌｉａｍ７７???００５?＊?ＲＷ?—－?ＲＥ＿ＢＲＷ??ＲＥ＿ＲＷ?－＊?ＭＥＲＷ??ｇ?ｌ?ＲＷＲ?—ＲＥ＿ＭＥＲＷ??？Ｚｊ?ＲＥ＿ＲＷＲ?？？?ＬＲＷ??Ｓ?〇－〇４．?ＡＭ．：＇?ＢＲＷ?—ＲＥ＿ＬＲＷ??｜?Ｍ??Ｏ〇〇３?ｉ?Ｉ?＼＇??＾?Ｉ?＼?Ｖ??爸?....

本文编号：4021787