基于LeaderRank和节点相似度的复杂网络重要节点排序算法

复杂网络中重要节点对网络结构和功能的影响引起了广泛关注。本文在现有LeaderRank算法的基础上,利用节点相似度来衡量节点间的相互作用,建立了SRank算法进行重要节点排序。利用SIR传播模型和斯皮尔曼等级相关系数在真实社会网络数据上对本文算法与经典的重要节点排序算法进行仿真后,发现该算法在无向和有向网络中均具有更高的准确性。     

复杂网络节点重要性排序算法及应用综述

复杂网络中节点的异质性导致各个节点的重要性是截然不同的,而关键节点往往对网络的结构和功能具有巨大的影响力,所以通过节点重要性排序算法对关键节点进行挖掘的研究直受到各方面的关注。将复杂网络中关于节点重要性的排序算法进行研究,比较了各种方法的优势和缺陷,并对重要节点挖掘算法的应用方向和常用数据集进行介绍,最后对现有研究进行了总结,并对未来的研究方向进行展望。     

一种基于话题传播的微博用户影响力分析方法

基于微博话题传播过程,提出了一种新的用户影响力分析方法.该方法首先结合微博信息传播机制,构建信息推送网和信息转发网;其次,基于上述网络建立话题传播网模型并提出CTDN构建算法;最后,以该模型为基础设计并实现了一种用户影响力排序算法TD-InfluenceRank,该算法在迭代计算用户影响力时通过考虑节点间的信息传播,使影响力更多地转移给关系密切的节点.实验结果表明,以TD-InfluenceRank算法为核心的用户影响力分析方法,能够有效提高话题传播中用户影响力分析的准确性.     

基于解释结构模型的复杂网络节点重要性计算

针对有向复杂网络节点重要性评估问题,提出基于解释结构模型的节点重要性度量方法.应用解释结构模型,将有向网络节点间关系矩阵化,获得相应的邻接矩阵和可达矩阵;对可达矩阵进行区位、级位划分;对矩阵进行缩减、删除越级与自身相连关系;得到网络的递阶有向图.对网络矩阵进行赋权模拟演化,给出网络区域重要性与级位重要性辨识划分.将该方法应用于ARPA有向网络、有向随机网络和有向无标度网络中,与其他4种网络节点排序方法进行比较.结果表明,该方法不仅适用于有向网络层级划分与辨识,而且适用于有向网络的节点排序计算.     

信息融合相似性算法下的虚拟社区链接预测

针对传统的基于节点相似性的链接预测方法存在链接预测指标仅考虑网络结构信息或者节点属性信息,以及链接预测指标静态处理节点之间关系的问题,提出了一种基于信息融合相似性算法的链接预测指标（similarity based on network evolution and user generated content , SNEUGC）,该指标结合用户生成内容信息和网络演化信息对含权网络进行链接预测,以解决现有链接预测指标在含权网络环境下链接预测准确率低的问题。实验证明,该方法的准确率达到了80％,具有一定的可行性。     

基于相对熵的多属性作者学术影响力排名研究

基于欧氏距离的多属性排序方法（TOPSIS-ED）可以综合考虑科研人员的不同属性并对其影响力进行评价,然而该方法无法对其中垂线上的点进行排序。考虑作者的发表文章数、总引用量、平均被引用量、I10指数、H指数等5种指标,该文提出了一种基于相对熵的多属性排序方法（TOPSIS-RE）。该方法通过计算作者的上述5种指标值与正理想解和负理想解的相对熵,根据其接近正理想解和远离负理想解的程度对作者进行排名。该文以美国物理学会APS数据集作为训练集,将获得诺贝尔奖的文章的作者作为测试数据集,用AUC值说明算法的准确性。实验结果表明,TOPSIS-RE方法算得的AUC值为0.932 1,比总引用量指标提高了2.047%,并且比TOPSIS-ED方法提高了0.833%。该文的工作为从多属性角度刻画科学家影响力提供了借鉴。     

综合时间序列分析和新颖性的信息扩散预测

现有信息扩散预测普遍依赖于社会网络构建,从而引发网络链路估计准确率低,信息扩散预测精度差的问题,为此提出了一种综合时间序列分析和信息新颖性的信息扩散预测方法.通过分析信息在网络节点上扩散随时间的变化特性,对网络节点的全局影响力进行估计,并考虑信息产生至节点受影响的时间差来衡量信息新颖性,进而平移调整节点影响力大小,最终实现信息扩散范围的预测.向斯坦福大学所提供测试数据的实验结果表明,新方法准确稳定地预测了信息扩散范围的实时变化.     

基于交叉熵的节点重要性排序算法

如何高效地度量节点的重要性一直是复杂网络研究的热点问题。在节点重要性研究中,目前已有许多算法被提出用于判断关键节点,然而多数算法局限于时间复杂度过高或评估角度单一。考虑到熵可用于定量描述信息量的大小,因此,提出了一种基于交叉熵的节点重要性排序算法,该算法兼顾了中心节点与其近邻节点之间的整体影响力,并将节点的邻域拓扑信息有机地融合,使用交叉熵值来量化节点之间的信息差异性。为验证该算法的性能,首先采用单调关系、极大连通系数、网络效率以及SIR模型作为评价指标,其次在8个不同领域的真实网络上与其他7种算法进行比较实验。实验结果表明,该算法具有有效性和适用性,此外时间复杂度仅为O(n),适用于大型网络。     

基于拓扑有效连通路径的有向网络链路预测方法

链路预测旨在利用已有的网络拓扑信息来挖掘未知连边,具有较高的应用价值。大部分已有的基于拓扑结构的方法,关注节点对之间的路径数或者预测节点对的出入度,未有效挖掘节点对之间的连边长度和连边上节点的影响力对相似性的影响。针对此问题,该文提出了基于拓扑有效连通路径的链路预测方法,并分析了不同路径长度在节点度、半局部中心性和H-指数这3种不同衡量节点影响力指标下对节点相似性的贡献。通过8个真实网络仿真,发现H-指数能有效量化节点的局部影响力,且在3种衡量指标下均具有较高的预测精度。     

网络结构改变时节点负荷阻抗模的快速求法

提出了一种新的节点负荷阻抗模的求取方法,利用广义Tellegen定理求取节点负荷阻抗模对网络参数的灵敏度,对节点负荷阻抗模进行修正,避免了大量的潮流迭代计算。实例证明,该方法在保证准确性的同时加快了求取的速度。     

Information system business affecting impact evaluation method

To effectively analyze the impact of continuous business interruption on the information system,an information system business affecting impact evaluation method (IBAIE) is proposed.First,we identify the main businesses of the system and quantify their vulnerability.Then,we take the businesses as the nodes of network topology and weight nodes based on the business significance.The orderly association between businesses is taken as the edges which are weighted based on the association between asset and business,and the directed weighted business network topology is obtained.Finally,the method of directed weighted network structure entropy is used to evaluate the change of system business network structure during the period from business interruption to recovery.Experiments show that this method has obvious advantages in evaluating accuracy compared to other methods,and can be applied in ensuring information system security.     

基于网络节点中心性的新闻重要性评价研究

评价权威报刊的新闻重要性对于正确理解国家政策变化具有重要意义。该文以《人民日报》为例,抽取发表在1946?2008年期间的新闻,利用其内容相似性构建新闻网络。从复杂网络视角,一篇新闻与其他新闻的相似性越高,其在新闻网络中连接越紧密,具有较大的节点中心性。鉴于此,该文将H指数引入PageRank排序算法,提出H-PageRank排序算法,利用其计算H-PageRank中心性,评价新闻重要性。在实验过程中,考虑到不同领导核心执政时期《人民日报》的新闻风格与新闻版面的差异性将新闻划分为4个时代,基于表示学习分别形成对应的新闻网络。研究结果表明:1) 4个新闻网络的拓扑结构都表现出高聚类性与同配性,且具有近似幂律的度分布,表现出复杂网络一般特性;2) 基于多种网络节点中心性指标,对每个新闻网络中的节点进行全局排序,并以是否成为头版新闻为重要性的评价准则计算得到相近的AUC值,然后基于局部排序的Top-N评价方法计算得到正确率、召回率和F1指标,综合以上指标的实验结果表明,H-PageRank中心性显著优于其他算法的中心性,验证H-PageRank排序算法的有效性;3) 针对每个新闻网络,基于网络节点中心性的Top-N评价方法不同排序列表长度条件,其计算得到的正确率显著高于理论基准,表明评价方法的鲁棒性。     

基于排名聚合的时序网络节点重要性研究

目前时序网络节点重要性的研究主要从时序路径、连通性、网络效率等方面展开。该文考虑到时序网络层内的连接关系和层间耦合关系,引入基于评分矩阵的排名聚合理论,提出了一种基于排名聚合的时序网络节点重要性识别方法。Manufacturing和Enrons等实证数据上的实验结果表明,基于排名聚合的时序网络节点重要性度量方法对比其他方法的Spearman相关系数平均提高2.41%和18.63%,说明了该方法在时序网络节点重要性度量的适用性和有效性。     

基于子图交互关系的网络结构增强算法

已有研究基于子图交互关系构造子图网络来实现网络结构增强,然而其算法复杂度高.鉴于此,基于不同阶子图网络的拓扑属性分别对原始网络进行赋权,得到一阶和二阶加权网络,以权重的形式直观体现子图交互关系.同时,这两种加权网络的权重可以直接通过原始网络的拓扑结构计算得出,从而避免了子图网络的构造过程,大大降低了算法复杂度.最后,以...     

基于复杂网络的混沌同步及其在保密通信中的应用

以复杂网络为背景,根据Lyapunov稳定性理论,研究了全局耦合网络的渐近同步,提出了一种全局混沌同步方案,并在同步的基础上研究了节点之间的保密通信,用混沌遮掩的方法将该同步方案应用于保密通信,将有用的信息信号调控到混沌系统的状态变量中,与混沌信号一起传送到接收端,发送系统和接收系统同步以后,在接收端恢复出信息信号。最后以Chen系统为节点进行数值仿真,验证了结论的可靠性。     

Selecting pinning nodes to control complex networked systems

One of the fundamental problems in pinning control of complex networks is selecting appropriate pinning nodes, such that the whole system is controlled. This is particularly useful for complex networks with huge numbers of nodes. Recent research has yielded several pinning node selection strategies, which may be efficient. However, selecting a set of pinning nodes and identifying the nodes that should be selected first remain challenging problems. In this paper, we present a network control strategy based on left Perron vector. For directed networks where nodes have the same in- and out-degrees, there has so far been no effective pinning node selection strategy, but our method can find suitable nodes. Likewise, our method also performs well for undirected networks where the nodes have the same degree. In addition, we can derive the minimum set of pinning nodes and the order in which they should be selected for given coupling strengths. Our proofs of these results depend on the properties of non-negative matrices and M-matrices. Several examples show that this strategy can effectively select appropriate pinning nodes, and that it can achieve better results for both directed and undirected networks.