基于图神经网络的复杂网络关键节点识别方法

在复杂网络中,识别关键节点对于提高网络的可靠性、保证网络的安全有效运行具有重要意义。然而,传统的中心性方法是片面的、不准确的,中心性方法在不同网络效果不同;同时,许多节点具有相同的中心性值,难以区分节点之间的差异。为更好地识别关键节点、提高节点分辨率,运用图结构学习的思想,通过图神经网络编码节点、拟合节点影响力,传播场域学习器计算网络节点传播场域,并使用节点的度作为模型观测值训练模型。最后,利用易感-感染(susceptibility-infection,SI)模型进行传播模拟,使用肯德尔相关系数衡量节点排序单调性。实验结果表明,在4个现实社会网络上,传播场域方法在以SI传播模型衡量排序性能和以肯德尔相关系数衡量排序结果单调性方面具有更好的性能,提高了关键节点识别的准确性和网络节点排序的鲁棒性。