基于层间相似性的时序网络节点重要性研究

时序网络可以更加准确地描述节点之间的交互顺序和交互关系.结合多层耦合网络分析法,本文提出了基于节点层间相似性的超邻接矩阵时序网络节点重要性识别方法,与经典的认为所有层间关系为常数不同,层间关系用节点的邻居拓扑重叠系数进行度量.Workspace和Enrons数据集上的结果显示:相比经典的方法,使用该方法得到的Kendall’sτ值在各时间层上的平均提高,最高为17.72%和12.44%,结果表明层间相似性的度量对于时序网络的节点重要性度量具有十分重要的意义.

我国职务发明制度中权利归属及报酬问题比较研究

职务发明制度十分重要,一个国家科技创新的水平取决于该制度是否合理。我国在职务发明领域的相关规定,目前看来仍不完善。主要是职务发明的认定标准不够严谨,对发明人利益的保护不够充分。应借鉴德国雇员发明法的相关规定的经验,使得单位与发明人之利益可以有效平衡。我国现有的职务发明制度亟需完善,主要是在权利归属方面,约定优先,发明人报告等制度需要被采纳并试运行。由此可以充分而有效地激励和调和双方的创新能动性、积极性,最终推动我国的科技创新建设。

基于排名聚合的时序网络节点重要性研究

目前时序网络节点重要性的研究主要从时序路径、连通性、网络效率等方面展开。该文考虑到时序网络层内的连接关系和层间耦合关系,引入基于评分矩阵的排名聚合理论,提出了一种基于排名聚合的时序网络节点重要性识别方法。Manufacturing和Enrons等实证数据上的实验结果表明,基于排名聚合的时序网络节点重要性度量方法对比其他方法的Spearman相关系数平均提高2.41%和18.63%,说明了该方法在时序网络节点重要性度量的适用性和有效性。