一个有效的动态网络节点影响力模型

网络节点影响力度量对社会网络研究具有重要的价值,静态网络的影响力度量是目前研究的主要问题。然后社会网络的结构经常会随着时间变化,呈现出动态网络。静态网络节点影响力度量模型虽然可以对动态网络不同时间点上的快照进行度量,然后这种机制很难刻画动态网络节点影响力的变化过程。本文将动态网络建模为不同时间点网络的叠加快照,然后构建了动态网络边权重衰减和节点影响力衰减机制,基于衰减机制提出了动态网络节点影响力模型,模型可以应用于加权或无权动态网络节点影响力度量。为了客观衡量本文模型的性能,在一个模拟网络和三个真实网络进行了不同实验。在模拟网络上,将结果与人工标注的结果计算肯德尔系数,针对三个真实网络则进行了不同角度的影响力效果分析。实验结果表明本文模型不仅可以较好的刻画动态网络节点影响力的变化过程,还可以准确度量动态网络节点影响力。     

一种基于影响力预测的节点排序模型

节点影响力排序一直是复杂网络研究的热点问题。Susceptible-Infected-Recovered(SIR)模型是一种较为理想的节点影响力排序方法,业内常将其用于评价其他的节点影响力排序方法,但该方法时间复杂度较高,难以实际应用。文中提出一个基于sir值学习的节点影响力排序模型,模型综合节点的局部和全局结构信息描述节点特征,利用机器学习方法构建sir值学习模型,以构建的同等规模网络的节点特征和sir值对模型进行训练,训练后的模型能够基于节点特征预测节点的sir值,进而实现节点影响力排序。文中基于该模型实现了一个具体的节点影响力排序方法,并在真实数据集上进行了实验,结果表明,基于该模型得到的影响力排序结果,其准确性和单调性相比度中心性、Kshell、Weighted Kshell degree neighborhood等基于结构特征的方法均有所提升。     

社会网络节点影响力分析研究

社会网络节点影响力研究是社会网络分析的关键问题之一.过去的十多年间,随着在线社会网络的快速发展,研究人员有机会在大量现实社会网络上对影响力进行分析和建模,并取得了丰硕的研究成果和广泛的应用价值.本文分析和总结了近年来社会网络影响力分析的主要成果.首先介绍了节点影响力的相关定义、作用范围以及表现形式;接着重点分类介绍节点影响力的度量方法,从网络拓扑、用户行为和内容分析3类方法总结了影响力的建模和度量方法;然后总结了影响力的传播和最大化模型相关成果;最后介绍了影响力的评价指标和应用.根据对现有方法的系统总结,对社会网络影响力的未来研究提出了一些值得关注的方向.     

基于Transformer的节点影响力排序模型

节点影响力排序是复杂网络的一个重点话题,对识别关键节点和衡量节点影响力有着重要作用。目前,已有诸多研究基于复杂网络探索节点影响力,其中深度学习显示出了巨大的潜力。然而,现有卷积神经网络(CNNs)和图神经网络(GNNs)模型的输入往往基于固定维度特征,且不能有效地区分邻居节点,无法适应多样性的复杂网络。为了解决上述问题,文中提出了一种简单且有效的节点影响力排序模型。该模型中,节点的输入序列包含节点本身及其邻居节点的信息,且可以根据网络动态调整输入序列长度,确保模型获取到足量的节点信息。同时该模型利用自注意力机制,使节点可以有效地聚合输入序列中邻居节点的信息,从而全面地识别节点的影响力。在12个真实网络数据集上进行实验,通过多维度的评价标准验证了该模型相比7种已有方法的有效性。实验结果表明,在不同的网络结构中,该模型均能有效地识别网络中节点的影响力。     

利用网络表征学习辨识复杂网络节点影响力

发现复杂网络中最具影响力的节点,有助于分析和控制网络中的信息传播,具有重要的理论意义和实用价值.传统的确定节点影响力的方法大多基于网络的邻接矩阵、拓扑结构等,普遍存在数据维度高和数据稀疏的问题,基于网络表征学习,本文提出了一种局部中心性指标来辨识网络中高影响节点(NLC),首先采用DeepWalk算法,把高维网络中的节...     

基于节点匹配度的动态网络链路预测方法

现实世界存在众多真实网络,研究真实网络中的动态演化趋势和时序性特征是热点问题。链路预测技术作为网络科学领域重要研究工具可通过挖掘历史连边信息推测网络演化规律,进而对未来连边进行预测。通过分析动态真实网络中的拓扑结构演化,发现通过分析网络拓扑中节点间的交互性和匹配度问题能够更充分捕捉网络的动态特征,提出一种基于节点匹配度的动态网络链路预测方法。该方法对网络节点的属性特征进行分析,定义基于原生影响力和次生影响力的节点重要性量化方法;引入时间衰减因子,刻画不同时刻网络拓扑对连边形成的影响程度;结合节点重要性和时间衰减因子定义动态节点匹配度（TMDN,temporal matching degree of nodes）方法,用于衡量节点对之间未来形成连边的可能性。在5个真实动态网络数据集中的实验结果表明,相比现有3类主流动态网络链路预测方法,所提方法在AUC和RankingScore两种评价标准下均取得更优的预测性能,预测结果最高提升42%,证明了节点间存在着交互匹配优先级,同时证实了节点原生影响力和次生影响力的有效性。     

基于固定邻域规模的动态网络影响力最大化探测算法

以往对影响力最大化问题的研究大多是基于静态图进行优化研究,但在现实中,网络数据量随着时间不断增加,系统不可能实时获取到整个网络中节点之间的连接情况.在传统MaxG探测模型的基础上,采用固定邻域规模和节点邻域层级相结合的方式计算节点影响力大小,提出了新的动态网络探测算法RAS-MaxG(regular area scale-MaxG),解决了传统探测算法由于采用度来衡量节点影响力值所导致的节点之间区分性差的问题.最后通过在真实数据集上的实验对比,验证了所提算法在最终影响力覆盖范围方面具有更好的性能表现.     

社交网络中一种快速精确的节点影响力排序算法

在大规模在线社交网络中,通过对用户影响力进行排序找出其中最具影响力的节点（集合）是一个很重要的研究方向,对于有效控制信息扩散、舆情分析和控制、精准营销等均有重要的作用。已有的节点影响力排序算法或者需要网络的全局拓扑信息来计算单个节点影响力（如基于介数中心性的算法）而时间开销过大,不适用于大规模网络;或者基于传统的网页排序算法（如PageRank）而不能很好地处理社交网络中存在着大量“末梢”节点的问题以及不同用户之间的联系强度不同的问题。在传统的PageRank算法的基础上做出了两点改进。首先,通过在PageRank算法的权值回收步骤中考虑对不同的连接赋予不同的权值,有效避免了末梢节点带来的影响。其次,在PageRank算法的投票过程中考虑邻居个体的差异性,提出了一种基于半邻域信息的节点权值分配方法,有效提高了节点排序的准确度。在一个包含大约15 000个用户的样本网络中,我们所提出的改进算法能够找出前1 000个最有影响力的节点中的40%以上的节点,而传统的PageRank算法仅能找出其中11%的节点。同时,相比于基于介数中心性的算法,所提出的改进算法以小得多的时间开销达到了相近甚至更好的排序准确度。     

基于节点影响力的理性节点标签传播算法

社区发现能够揭示真实社会网络的拓扑结构和重要节点.由于具有线性时间复杂度,无需定义目标函数及目标参数,标签传播算法(LPA)作为经典社区发现算法被广泛应用在学术和实践领域.针对LPA算法更新顺序的无序性和标签选择的随机性,提出基于节点影响力的理性节点标签传播算法(RLPBNI).将节点影响力排序作为更新顺序,引入理性节...     

一种面向有权重通信网络的关键节点识别方法

如何在已知网络拓扑的前提下,快速准确地找到复杂通信网络中的关键节点成为当前的研究热点。本文首先建立了一个有权重网络的关键节点识别系统模型。然后,提出了基于加权集体影响力的关键节点识别方法。该方法用集体影响力量化节点信息传播能力,同时结合加权思想,表征有权重网络节点的关键程度。最后,分别对5种典型复杂网络模型进行了随机权重和非随机权重的仿真。仿真结果表明所提方法优于原有集体影响力算法的性能,且算法对球半径的选择不敏感。     

网络演化中基于事件的节点影响力分析

社会影响力分析是社会网络研究领域的一个重要研究热点,目前大多数 的影响力分析都是针对静态网络的。针对网络演化提出了一种基于个体事件的影响力分析方法,首先改进了传统扩散模型以适用于网络演化,并对在扩散中表现出的事件进行了定义,然后基于其中的个体事件测量了社交指数和影响力指数来衡量节点影响力,从而挖掘出动态网络影响力最大化问题中的关键节点。实验分别计算了节点的两个指标并对得出的结果分别进行了分析,找出了影响力较大的重要节点,然后对两个指标的性能进行了对比,结果表明利用社交指数发掘的节点在扩散前期传播的效率更高,而遇到扩散瓶颈时利用影响力指数发掘的节点则可以更快地突破瓶颈期。     

一种基于混合自动机模型的节点动态功耗管理机制研究

为了降低传感器节点的能耗,从而延长传感网络的使用寿命,本文将传感器节点的工作状态划分为四种,并设计了一种基于混合自动机的节点工作状态转换模型.为降低事件丢失率,文中定义了温度和相对湿度两种环境变量,该模型根据这两种环境变量是否跳变来决定节点进入何种工作状态;同时该模型考虑了节点的剩余能量,提高了节点能量使用的均衡性.仿真实验结果表明:该方法是有效的.     

一种电力通信网络重要节点识别模型

针对目前电力通信网络重要节点识别时存在识别精度低、考虑片面的问题,提出了一种多层节点重要性识别模型。通过将电力通信网络分为物理拓扑层、传输层和服务层三层结构,建立不同层中节点重要性度量指标。提出了自适应的基本度量可信度指标,从而计算不同层的基本测度可信度与节点综合临界度。实验结果表明,与APT、ASI、AST、TOPSIS等模型相比,所提多层节点重要性识别模型可综合考虑物理拓扑层、传输层、服务层中各节点重要性度量,从而高质量确定电力通信网络中重要节点。仿真结果符合实际情况,验证了所提模型的有效性和实用性。     

一种基于网络节点的安全代理模型研究

随着网络入侵技术的发展，单独的防火墙、入侵检测系统等安全技术很难对付层出不穷的安全攻击。文中讨论的是基于网络节点的安全代理模型，它使用高度模块化技术，把各种安全技术作为一个个单独的功能模块来对待。根据安全策略服务器要求，安全代理动态加载和配置安全模块，故网络更加安全，出使得网络管理更加智能化、自动化。同时，该模型也支持第三方软件，放具有可扩展性和通用性。     

一种基于网络节点的安全代理模型研究

随着网络入侵技术的发展,单独的防火墙、入侵检测系统等安全技术很难对付层出不穷的安全攻击。文中讨论的是基于网络节点的安全代理模型,它使用高度模块化技术,把各种安全技术作为一个个单独的功能模块来对待。根据安全策略服务器要求,安全代理动态加载和配置安全模块,故网络更加安全,也使得网络管理更加智能化、自动化。同时,该模型也支持第三方软件,故具有可扩展性和通用性。     

注意力流网络中节点影响力的层级性研究

复杂网络中节点影响力的层级性在网络结构与控制研究中至关重要.针对有向加权网络中节点影响力的层级性问题,基于海量在线用户行为数据,构建有向加权集体注意力流网络.通过定义节点的层级位置时间和位置约束指标,并结合节点的拓扑位置和时间序列,提出一种用于有向加权网络的节点影响力度量及排序算法.实验结果表明,该算法能有效区分网络层...     

一种机会网络节点重复博弈模型

在资源受限的机会网络中,节点在转发过程中所表现出的自私行为将严重影响网络性能。针对这一问题,建立基于认错机制的“礼尚往来”策略的节点重复博弈模型。节点考虑到将来的利益,迫于对惩罚的恐惧而参与转发。通过该策略,节点协作可以使网络性能达到最优。仿真结果表明,节点间的相互协作增强,在自私节点较多时也能保证较好的网络性能。     

融合行为和语义的节点影响力分析

社交网络中节点影响力研究在信息传播、舆情监督、社会化商务等领域有重要作用。提出融合行为和语义的节点影响力分析方法--BSA（Behavior and Semantics Analysis）方法。该方法先通过基于Cox模型的时间衰减行为矩阵方法计算受者行为影响力,然后通过语义分析方法计算施者行为影响力,最后融合施者行为影响力与受者行为影响力来计算节点的影响力。仿真实验表明,提出的方法可以较真实地反映社交网络中节点的影响力。     

一种基于节点影响力的信息传播概率算法

在社交网络上的信息传播的研究中,设定一个传播概率,运用各种传播模型来模拟信息传播过程,是最常见的一种方式,然而人为设定的传播概率对传播过程有很大影响。根据复杂网络的相关研究,计算信息源节点的影响力,并以此为基础提出了一种计算信息传播概率的方法。实验对比了人为设定的传播概率与考虑了信息源节点影响力的传播概率对传播结果造成的差异,并通过证明影响力算法的有效性,说明了计算后的传播概率更加合理。     

基于影响力网络模型的多智能体一致性协议

如何增强系统一致性是多智能体系统研究中的一个重要问题。传统一致性协议通常未考虑拓扑中的关键节点,并且拓扑权重单一,从而导致系统更容易分裂。基于人际关系网络中的关键人物可以促进不同社区信息交流的思想,提出了一种影响力网络模型（influence network model,INM）。首先,提出了分布式的Hub Node识别算法（distributed hub node identify algorithm,DHNI）,用于区分关键节点和非关键节点,可以应用在分布式多智能体系统中。其次,提出了基于分布式hub node的拓扑权重设计算法（distributed hub node-based topology reweighting algorithm,DHNTR）,量化不同节点对其邻居的影响力。最后提出了基于影响力网络的一致性协议。设计了公共Lyapunov函数,分析了系统的全局稳定性,证明了系统具有Lyapunov意义下的稳定性。仿真实验表明该协议可以增强系统一致性。