排序方式： 共有2条查询结果，搜索用时 0 毫秒
1
1.
研究复杂网络的链路预测算法对分析舆论传播方向、预测舆论演进趋势和控制舆论发展进程具有重要意义。针对现有的基于节点度的链路预测算法存在预测质量偏低的问题,提出了一种结合二层节点度和聚类系数的链路预测算法。算法全面考虑网络局部结构信息以及共同邻居节点之间的差异性,在相似性评价指标的选择上将节点度和聚类系数结合,深度挖掘节点相似性性质并将节点度扩展到二层。最后在三个真实数据集中分别进行仿真实验,结果表明提出的算法相比于Common Neighbors、Adamic-Adar和Resource Allocation等经典算法具有更好的性能。 相似文献
2.
研究不同影响力的节点在复杂网络信息传播过程中产生的作用，对于分析舆论传播、预防谣言扩散、引导信息传递等方面具有重要意义。针对传统易感-感染-移出（Susceptible-Infected-Recovered，SIR）模型认为网络中所有节点性质相同，在信息传播中具有相同的接触感染率和恢复率的问题，提出了节点影响力下的改进SIR传播模型——NI-SIR（Node Influence SIR），并对其阈值推导过程展开深度分析。首先，将复杂网络中的节点按照影响力的不同进行分类，不同类别的节点赋予其不同的接触感染率及恢复率，达到模拟真实信息传播过程的目的；其次，对NI-SIR模型的阈值进行推导，从而为进一步判断疾病是否流行或信息扩散的趋势打下理论基础；最后，通过在真实数据集的实验对比，证明NI-SIR模型的偏差率明显低于传统SIR模型，在真实网络中有更好的适用性。 相似文献
1