融合拓扑势与因子图的在线社交网用户影响力推断

拓扑势可用于计算在线社交网用户影响力,但是,其对所有用户优化同一个影响参数,导致影响力以相同速度衰减的缺陷尚待改进.此外,拓扑势只适用于节点质量相同的网络.对此,本文融合拓扑势和因子图,提出影响力因子图(Impact Factor Graph,IFG)模型.IFG模型可推断网络用户节点间影响力,并对每个节点分配不同影响参数.维基百科合作编辑数据集上的实证表明,IFG模型可以解决拓扑势在异质网络上的计算问题,并提高用户影响力分析的合理性.

一种基于拓扑势的网络社区发现方法

从数据场思想出发，提出了一种基于拓扑势的社区发现算法．该方法引入拓扑势描述网络节点间的相互作用，将每个社区视为拓扑势场的局部高势区，通过寻找被低势区域所分割的连通高势区域实现网络的社区划分．理论分析与实验结果表明，该方法无须用户指定社区个数等算法参数，能够揭示网络内在的社区结构及社区间具有不确定性的重叠节点现象．算法的时间复杂度为O（m＋n^3／r）～O（n^2），n为网络节点数，m为边数，2〈γ〈3为一个常数．

基于拓扑势的网络社区结点重要度排序算法

针对经典网络社区划分方法存在的划分结果难以理解的问题,基于源自物理学中核子场的拓扑势理论,提出针对具有聚类效应的社会网络和复杂网络的社区结点重要度排序算法.在算法中,首先利用NSP方法(network soft partitionbased on topological potential)依据结点在社区中所起的作用将其分为内部结点和边界结点,其次分别对内部结点和边界结点的重要性进行量化并排序,最后将2个排序结果进行拼接以构成最终的排序结果.实验表明,文中算法不但可以解决前述问题,而且具有和快速排序算法同样的时间复杂度.

可重构网络中基于中心度与拓扑势排序的资源分配算法

可重构网络中的一个研究难点是虚拟资源的分配问题。首次将社会网络中心度和拓扑势研究引入到可重构网络虚拟资源分配问题中,在映射虚拟网络时考虑节点在网络中的位置重要性,提出了基于中心度和拓扑势的虚拟网映射算法。实验表明,所提出的新算法在提高资源分配效率,降低物理网络开销方面,与本领域以往算法相比,具有显著的进步。

基于拓扑势的重叠社区及社区间结构洞识别——兼论结构洞理论视角下网络的脆弱性

社会网络和复杂网络上的社区识别已经成为当前研究的热点和前沿课题.针对目前社区识别方法不能兼具较低时间复杂度、无须专家知识或先验知识和允许存在重叠节点的不足,提出了基于拓扑势理论的重叠社区识别方法.通过提出的重叠节点社区归属不确定性测度,该方法同时实现了社区间结构洞的识别.实验验证了该方法的有效性.另外,文章在理论证明的基础上提出了影响因子优化算法;论证了结构洞理论视角下网络的脆弱性.

基于拓扑势的网络节点重要性排序及评价方法

基于数据场提出了基于拓扑势的节点重要性评价算法,该算法能更为精细、真实地反映节点的重要性。利用自然语言,建立了一个可以简练描述节点重要性"公理集",基于拓扑势的节点重要性评价比其他重要性评价方式更接近于该"公理集"的描述。最后运用基于数据场的层次聚类算法,对节点的重要性程度进行了定性划分。

面向聚类分析的邻域拓扑势熵数据扰动方法

针对现有数据扰动方法难以维持原始数据的聚类可用性问题,提出了一种隐私保护数据扰动算法DPTPE.基于邻域拓扑势熵将节点划分为不同类型,对于邻域分散型节点,以该节点的k邻域中节点坐标的均值替换其原始坐标;对于邻域紧密型节点,在其安全邻域中随机选择一个节点替换该节点。实验结果表明,DPTPE算法可以保护数据的隐私安全,还能够较好地维持数据集的聚类可用性。

基于有向拓扑势的用户角色分析方法

真实世界中存在大量有向、加权、动态的网络。针对有向加权网络的节点角色分析问题,提出了一种基于有向拓扑势的节点角色分析方法,该方法根据节点的行为模式及局部影响力将节点划分成4种角色。然后介绍了基于节点角色的动态网络演化分析方法,它能对角色行为进行动力学建模,展示了随时间连接模式的变化,并能检测较大影响的事件。实验结果表明,本方法能有效估计节点角色并检测动态网络的演化。

基于拓扑势的P2P社区推荐信任模型

对等网(P2P)系统因其开放性和匿名性等特点易受到恶意攻击和非法滥用,建立基于社区的信任模型是一个行之有效的解决途径。而现有的模型忽略了节点的动态性、活跃度及影响范围。该文在分析了P2P用户模型后,提出一种基于拓扑势的P2P社区推荐信任模型,综合评估了节点的影响力、交易量及信任度。在该模型中,分别建立了社区内部和跨社区信任度计算机制,给出了超级节点评选算法。最后的仿真实验结果验证了该信任模型的有效性和鲁棒性。

基于拓扑势的作战体系网络节点重要度评估方法

针对传统重要度排序算法无法客观全面评估作战体系中各装备实体重要度的不足,运用复杂网络理论,结合数学中的拓扑学和物理学中的场论思想,提出基于拓扑势的重要度排序方法。通过定义序列距离,引入覆盖率指标,对拓扑势排序结果与常规方法排序结果的相似度进行对比分析。设计一个作战想定示例,对基于拓扑势的重要度排序算法的有效性进行分析验证。结果表明,该算法可以精确客观地量化分析体系中不同装备对体系结构构建以及任务完成能力的支撑作用,为战时兵力部署、指挥体系构建、战场抢修决策提供重要依据。

基于拓扑势加权的动态PPI网络复合物挖掘方法

从动态蛋白质相互作用(PPI)网络中挖掘蛋白质复合物是当前复合物挖掘研究的一个热点,但是目前大都采用未加权网络进行聚类分析,由于不能准确地描述网络的拓扑特性,因此其正确率不高.鉴于此,本文提出采用拓扑势场的方法来构造加权网络,网络中的每一个蛋白质都被视作一个物理粒子,在它周围存在一个虚拟的作用场,由此网络中所有蛋白质的相互作用联合形成一个拓扑势场,文中定义了结点间的拓扑势的概念,并以此来构造加权网络,之后采用马尔科夫聚类算法在DIP数据和Krogan数据上进行复合物挖掘.与其它经典算法相比,该方法的precision和f-measure值较高,能更好地识别蛋白质复合物.

一种基于拓扑势的虚拟网络映射算法

该文针对现有的虚拟网络映射算法对网络中节点的拓扑属性考虑不够周到,导致其请求接受率和收益开销比较低的问题,将物理学里的场论思想引入了虚拟网络映射,并提出一种基于拓扑势的虚拟网络映射算法。该算法在节点映射阶段,通过计算节点的拓扑势、节点的资源能力、待映射节点与已映射节点之间的距离,将虚拟节点映射至最佳的物理节点。在链路映射阶段,通过计算物理路径的可用带宽和路径跳数,将虚拟链路映射至最佳的物理路径。仿真实验表明,该算法在多种虚拟网络到达强度下的请求接受率和收益开销比均优于当前的虚拟网络映射算法。

内涝积水对城市交通路网邻域拓扑势的影响

为定量分析内涝积水对城市路网交通运行的影响,开展内涝积水下城市交通路网邻域拓扑势研究。首先,利用对偶拓扑方法将路段映射为点、交叉路口映射为边,构建城市路网的对偶拓扑图;其次,根据势函数原理,厘定节点间最短拓扑距离、地势高差传递权值、路网对偶节点吞吐量、势场影响因子等参数,构建内涝积水对城市交通影响的路网邻域拓扑势模型,并采用黄金分割优化算法对模型进行求解;最后,以宜昌市西陵区易涝地段为例,分析不同积水深度下城市路网拓扑势的演化趋势。结果表明:积水深度达到15 cm以上时,各路段拓扑势下降大于20%;随着高峰和平峰时积水深度的增大,节点拓扑势从平缓波动到急剧下降;从节点间的拓扑势值排序可以看出,积水路段西陵一路与一级领域的路段之间的拓扑势最大,而和其他路段之间的拓扑势随着距离的增加而减小。研究揭示了内涝积水对城市交通路网邻域拓扑势的影响规律,可为城市内涝治理及交通管制提供理论依据。

基于相关拓扑势的社团发现算法

针对传统算法社团划分精度较低以及模块度函数分辨率低的问题,提出一种基于相关拓扑势的社团发现算法,简称BITP算法。该算法考虑节点的相关性因素,引入相关拓扑势来衡量节点的影响力,寻找出其中的极大势值点,采用标签传播的思想对社团的规模进行控制。在人工合成网络和真实网络上,与多种算法进行实验对比,结果表明该算法多次运行结果相对稳定且社团划分精度较高。算法时间复杂度为O(n),且不需要先验知识,更适合大规模复杂网络上的社团结构挖掘。

基于拓扑势的网络拓扑建模方法

针对现有拓扑建模研究中层次型模型不满足幂率分布规律的问题,提出一种基于节点拓扑势与幂率特性的层次化网络拓扑建模方法,给出拓扑生成算法PPHM。通过计算拓扑势实现网络节点的分层,能准确发现网络中的重要连接。对平均最短路径长度等拓扑参数的比较结果证明了该方法的有效性。

结合拓扑势用户聚类的协同过滤推荐算法

针对传统协同过滤算法中数据稀疏造成推荐准确度低以及K-means聚类算法需要预先确定聚类个数的问题,提出自适应K-means聚类算法(SKCA)。引入物理学中的拓扑势场理论,利用拓扑势值进行用户重要性表示并获得用户影响范围,结合改进K-means算法完成用户聚类并得到各类代表用户,目标用户通过与各代表用户进行用户相似度计算确定最优代表用户,在最优代表用户场域内使用协同过滤算法进行推荐。与其它算法对比的实验结果表明,SKCA在准确率、F值及运行效率上都有提升,有效缓解了数据稀疏的影响。

基于标签传播的拓扑势社区检测算法

基于拓扑势的社区检测通过节点的链接信息构造拓扑势域,在拓扑势域内进行社区划分.但实际划分过程存在大量孤立性社区.带节点属性信息的社区检测问题作为社区的重要组成,已成为社区检测的主要研究方向.本文提出了一种结合标签传播的拓扑势社区检测算法(TPCDLP).首先,结合标签传播思想将属性信息转换为节点间的链接权值.其次,把链接权值加入到拓扑势中构造拓扑势域.再利用核心节点进行子群社区的划分.最后,利用子群社区间核心节点的距离进行社区划分.在3个含标签属性的数据集上,与6种算法对比,该算法在改进的模块度QoEv、信息熵Entropy、社区重叠度Overlap和综合指标F上表现更优.在3个真实社区上应用了该算法,并与3种算法对比,实验结果显示该算法在标准化互信息指标N MI上表现良好,能够有效应用于实际问题.

基于拓扑势的航空复杂产品生产网络模块化

复杂网络模块化是研究复杂网络拓扑结构及其行为的一个重要方法。为了研究我国航空复杂产品生产网络的现状,将拓扑势理论和熵权法相结合应用于C919生产网络的模块化中,并分析了我国航空复杂产品生产企业的现状与不足,并为我国航空企业的发展提供了一点建议。

基于拓扑势的社会通信网局域中心性分析

针对社会通信网络中心性度量问题,在CDMA手机通话数据的基础上构建社会通信网络,引入新的局域影响力度量指标——拓扑势,结合度、介数和接近度等经典参数,对社会通信网络局域中心性进行实证分析.发现社会通信网络节点度、介数和拓扑势的累积分布均服从漂移幂律分布,接近度为正态分布;另外,随着用户局域影响范围σ的增大,其局域中心性大小与其联系人数目和连接中介能力的正相关性逐渐减弱,而与其在网络中拓扑位置的正相关性增强.

基于拓扑势的局部化重叠社区识别

针对传统社区识别算法中需要根据先验知识设定参数、社区划分结果具有随机性及复杂度过高的问题,提出一种基于拓扑势的局部化重叠社区识别算法.该算法通过引入拓扑势计算节点的影响力,利用节点间的局部相似性度量指标,采用标签传播策略进行重叠结构的社区识别.在真实网络及人工合成网络上与多种经典算法进行对比实验验证了算法的高效性.