基于结构熵的注意力流网络异构性研究

结构熵作为复杂网络无序程度度量的重要手段,反映了网络内结构的异质性。传统结构熵在刻画复杂网络异构性时只关注网络结构中的“点”和“边”,表征注意力流网络结构的异构性特征时存在不足。对此,基于在线点击行为数据构建注意力流网络,在传统网络结构熵的基础上,综合考虑站点的边权重、站点的总停留时长等网络特征属性,定义了结构熵模型。进而,从站点的流强度、吸引注意力的能力等指标计算站点综合力,提出了注意力流网络异构性度量算法ANSE。实验结果表明,提出的结构熵可以有效地反映注意力流网络的结构特征,准确地度量注意力流网络中站点之间的差异性,分析站点重要性排序,通过和传统经典算法对比,在站点影响力排名上证明了该算法的优越性和有效性。