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。