基于可见性图网络的中国专利申请关注度分析

专利是创新的重要体现,很多人在进行专利申请之前会在网上对专利申请的过程进行查询,了解专利申请的步骤,这些人的搜索事实也是了解创新企业或个人对创新是否重视的一个手段。文中从一个全新的时间序列分析的视角即网络的角度,分析了关键字为"专利申请"的百度搜索指数时间序列的动力学特征。利用可见性图算法的原理将百度搜索指数时间序列转化为复杂网络,并计算其参数,分析其网络的拓扑结构。首先,通过计算2019年各省复杂网络的参数发现各省的专利关注度具有一定差异;其次,研究表明大多数网络均为无标度网络,原始时间序列具有分形的特征;最后通过聚类,可根据复杂网络的参数把31个省分为3类。文中分析了2011-2018年全国的百度搜索指数数据,通过社团结构的划分,可以发现时间序列的周期和中心节点对搜索指数影响的范围。     

基于耦合强度的多项式时间社团探测算法

在资本市场中,根据交易者联系的密切程度,可以划分出众多团体,从而产生特定的社团结构。社团结构探测是一项非常重要而具有挑战性的工作,已经引起来自不同领域学者的广泛关注。然而,极少有多项式时间算法能够快速、准确地探测社团结构。基于著名的模块化设计优化理论,用新颖的k强度关系代表两个节点之间的耦合距离这一想法随之产生。社团结构探测算法使用基于k强度矩阵的广义模块度测量。为了得到最优社团数量,一种新颖的无参数结构得以使用,该结构使用特定转移矩阵的特征值之差作为社团划分边界。最后,将此算法应用于基准网络和实际网络,以评估其有效性。理论分析和实证结果表明,该算法可以快速、准确地探测社团,且易于扩展至大型实际网络。