基于短语向量和主题加权的关键词抽取方法

现有关键词抽取算法缺乏对短语的有效表示,为抽取出更能反映文本主题的关键短语,本文提出一种基于短语向量的关键词抽取方法PhraseVecRank.首先设计基于LSTM(Long Short-Term Memory)和CNN(Convolutional Neural Network)自编码器的短语向量构建模型,解决复杂短语的语义表示问题.然后,利用短语向量对每个候选短语计算主题权重,通过主题加权排序提高关键词抽取的效果.在公共数据集和学术论文数据上的实验表明,本文提出的方法能够有效提取与文本主题信息相关的关键短语,同时利用自编码器构造的短语向量可以更好地表示短语的语义信息.     

基于优化结构洞的无向加权网络关键节点发现方法

针对目前大多数关键节点发现算法没有兼顾桥节点与其他类型关键节点,造成评价结果存在片面性的问题,使用加权网络模型结合结构洞理论,提出一种优化结构洞的无向加权网络关键节点发现方法。综合考虑了节点的邻居数量及其与邻居间的拓扑结构,首先通过定义节点的邻接度和二次邻接度来衡量邻居节点对其的重要程度,在此基础上测量网络中的结构洞约束系数并通过排序发现网络中处于重要位置的关键节点。该方法既反映出节点局部连接的特性,又可在全局拓扑未知的情况下发现其中的关键节点,解决了全局方法计算复杂度高的问题。实验结果表明,该方法比基于介数、节点强度、接近度方法更准确、有效地发现无向加权网络中的关键节点。     

一种基于局部传播路径的复杂网络关键节点识别方法

复杂网络中的关键节点识别是研究复杂网络结构、功能、性质的重要基础,在市场营销、谣言控制、交通规划等不同领域都有很强的应用价值。节点的关键性等价于节点的影响力,因此,关键节点识别问题可看作节点影响力评估问题。文章提出了一种基于局部传播路径的复杂网络关键节点识别方法,该方法仅需计算目标节点两步之内的拓扑结构,还综合考虑了传播概率对节点影响力评估的影响。与常见的度中心性、介数中心性、接近中心性、Kshell中心性相比,该算法识别结果更准确,在不同传播概率下表现更稳定。     

基于FPGA的稀疏网络关键节点计算的硬件加速方法研究

随着互联网、生物医学及社交网络等复杂网络研究的深入,如何寻找其等效图中关键节点越来越重要。中介中心度作为衡量图中节点重要性的主要指标,其单点的计算复杂度高达O(N3),因而成为关键节点计算问题的难点。该文在对传统的中介中心度快速算法进行分析之后,提出了一种适用于硬件设计的改进算法。同时,基于算法中各点独立、以及相邻计算间无数据依赖的特点,该文利用改进算法实现了一个流水线结构的8计算单元并行计算系统,并在FPGA上完成了硬件系统的设计和验证。通过对比8核CPU软件系统的计算时间,该文的硬件计算系统实现了4.31倍的加速比。     

基于加权PageRank算法的关键包识别方法

识别软件中的关键实体对于人们理解软件,控制和降低维护费用具有重要意义.然而现有的工作基本都是针对关键类识别的,针对关键包、方法/属性等的研究甚少;同时现有的工作也未能揭示关键类与软件外部质量属性间的关系.为丰富现有的工作,本文提出了一种基于加权PageRank算法的关键包识别方法.该方法用加权有向软件网络模型抽象包粒度软件系统,提出新度量PR(PackageRank)从结构角度量度节点重要性,并引入加权的PageRank算法计算该度量值.数据实验部分以六个开源Java软件为例,分析了包的PR值与常用复杂网络中心性指标(介数中心性、接近中心性、度数中心性等)间的相关性;使用加权的SIR(Susceptible-Infectious-Recovered)模型分析了PR所识别关键包的传播影响,并与其它相关方法进行比较,验证了本文方法的有效性;最后,以其中两个软件为例,分析了包的PR值与包可理解性间的关系,进一步验证了本文方法的有效性.     

基于贡献矩阵的超网络关键节点评估方法

超网络能够从多维度反映出现实世界事物的多元联系,关键节点有利于分析超网络的拓扑结构和网络功能。针对如何确定超网络中关键节点的问题,通过贡献矩阵提出了两种超网络关键节点的评估方法：基于介数中心性的贡献矩阵方法和基于接近中心性的贡献矩阵方法。两种方法均结合了超图的邻接矩阵、关联矩阵和多个中心性评估指标,综合考虑了节点的全局性影响和局部性影响,并在两个超网络中进行实验验证。结果表明,两种贡献矩阵方法均能准确有效地评估出超网络中的关键节点,且基于接近中心性的贡献矩阵方法改进了基于介数中心性的贡献矩阵方法中存在的缺陷,更加贴近真实世界的事物特性。     

基于连通度和加权校正的移动节点定位算法

移动节点定位问题是无线传感器网络中的研究重点。针对移动节点定位误差大的问题,提出一种基于连通度和加权校正的移动节点定位算法。在未知节点移动过程中,根据节点间连通度大小选取参与定位的信标节点,利用加权校正方法修正RSSI测距信息,然后用最小二乘法对未知节点进行位置估计。仿真分析表明,节点通信半径和信标密度在一定范围内,该算法表现出良好的定位性能,定位精度明显提升。     

基于图论方法的光通信网络关键节点确定

为提升网络连通性能，对基于图论方法的光通信网络关键节点确定方法进行研究。依据图论方法建立光通信网络图论模型，利用自适应蚁群算法，求解图论模型，获取节点间的最优路径，优化光通信网络；利用基于局部中心性的关键节点确定算法，按照局部中心性指标选择网络初始点覆盖集，并剔除该点覆盖集，以迭代方式，选取令网络连通节点对提升最小的节点，将其回添至优化网络内，以点覆盖集内节点符合待剔除关键节点数为止，完成光通信网络关键节点确定。实验证明：该方法可有效优化光通信网络，提升网络连通性能；在无向无权与无向加权网络时，该方法均可精准确定关键节点，选择局部度和中心性指标作为关键节点确定的局部中心性指标，可提升关键节点确定精度。     

基于局域世界的WSN拓扑加权演化模型

 无标度加权网络模型,反映了现实网络的存在形式和动力学特征,是无线传感网络建模和拓扑演化的有效研究工具.本文基于局域世界理论提出一种不均匀成簇的无线传感网络拓扑动态加权演化模型,考虑节点能量,通信流量和距离等因素,对边权重和节点强度进行了定义,同时研究了拓扑生长对边权重分布的影响.实验证明演化所得网络节点度,强度和边权重均服从幂律分布,结合已有理论成果可知,该拓扑不仅继承了无权网络较高的鲁棒性和抗毁性,同时降低了节点发生相继故障的几率,增强了无线传感网络的同步能力.     

基于互信息的通信网络节点重要性度量方法

信息化条件下的复杂网络对节点的蓄意攻击非常脆弱,因此准确发掘出网络中的核心节点并进行重点保护对提高网络抗毁性至关重要.在分析特殊条件下通信网络特征属性的基础上,借鉴通信系统中关于“信息量”的定义方法,提出了改进的适用于有向加权网络的节点重要性评估方法.在小规模混合加权网络中对该方法和已有方法进行了对比分析,验证了本文方法的有效性和优势性.构建了一种基于BBV(Barrat-Barthelemy-Vespignani)的混合加权网络演化模型,并对生成的大规模通信网络进行了节点重要性评估仿真,实验结果表明:与现有评估方法相比,本文方法能够更加简单、有效地评估网络节点的重要性.