基于节点影响值的社区网络稳定标签传播算法

针对社区网络标签传播准确性差的问题,提出基于节点影响值的社区网络稳定标签传播算法。该算法重设社区网络相邻节点相似度,结合链路加权思想将其变换为链路无向带权图;利用节点K-shell分解值判断节点影响力,计算种子节点的中心性度量值,升序排列节点更新顺序;根据越重要节点标签影响越大的规则,修正高频数标签,获取最佳社区网络划分结果。结果表明:该算法模块度在0.320以上,准确率达到99%,因此,经该方法划分后的网络结构清晰、准确,稳定性高。

一种基于h指数变体的软件网络节点重要性度量方法

新成员在参与软件项目开发和维护系统时,往往需要花费大量时间去理解系统的结构和功能,为了加速新成员对系统的理解,通常优先推荐他们关注一些系统中更重要的类。大量研究表明软件系统具有明显的复杂网络拓扑形态,可以将软件系统抽象为软件网络模型,通过网络节点重要性度量方法识别软件系统中更重要的类,辅助新成员快速掌握系统的核心结构和功能。目前,关于网络节点重要性度量的方法很多,大多数方法仅考虑邻居节点的度或边的权重。另外,h指数作为一种成功用于定量评估研究人员学术成就的指标也很少应用于软件网络中重要类的识别。作者以Ant、Jung和Maven项目为研究对象,构建对应的加权软件网络模型,结合节点的度和连边的权重信息提出H-NWD、A-NWD和G-NWD 3个h指数的变体指标来度量软件系统中类的重要性,并与已有的度中心性、介数中心性、接近度中心性、特征向量中心性、Page Rank中心性5个常用的复杂网络中心性度量指标进行对比。实验结果表明,本文所提的H-NWD和G-NWD指标与已有的度量指标交集达到80%以上,能够很好地识别软件系统中重要类;在确定类的修改情况下,H-NWD指标与度中心性、特征向量中心性、Page Rank中心性共同识别的重要类节点rank值更靠前,且被识别的其他类节点修改更频繁,相比于已有指标在识别关键类上更准确。

基于节点中心性和热度的数据布局方法

随着5G和大数据的飞速发展,海量数据的快速、持久存储需求对存储设备和网络性能提出了极大挑战。信息中心网络以及边缘存储等技术的出现,使数据能够在网络边缘就近存储,减少了数据传输时延。但数据长期存储在网络边缘势必会引发边缘节点空间不足的问题,迫使数据传向更远方,降低存储效率。针对上述问题,提出一种基于节点中心性和热度的数据布局方法,利用节点空闲时间将高空间负载节点的数据迁移至低空间负载的节点,确保边缘高热度的节点空间富余。实验结果表明,相比较Random和一致性Hash等存储布局方案,在进行长期存储任务后,该方法能在边缘空间相对不足的情况下,减少存储数据时的传输开销,使数据写入时间减少30%以上。

一种改进的局部模块性社区发现算法研究

模块度是度量社区质量的重要方法,然而容易陷入局部最大值问题。为了确定最佳局部模块性,利用机器学习中随机森林模型预测的最佳模块性,构造共识矩阵,并采用CSPA集成聚类算法对构造的共识矩阵进行聚类分析,最后对聚类效率进行了比较。

Discovering hidden information of gene ontology based on complex networks analysis

To resolve the ontology understanding problem, the structural features and the potential important terms of a large-scale ontology are investigated from the perspective of complex networks analysis. Through the empirical studies of the gene ontology with various perspectives, this paper shows that the whole gene ontology displays the same topological features as complex networks including ＂small world＂ and ＂scale-free＂,while some sub-ontologies have the ＂scale-free＂ property but no ＂small world＂ effect.The potential important terms in an ontology are discovered by some famous complex network centralization methods.An evaluation method based on information retrieval in MEDLINE is designed to measure the effectiveness of the discovered important terms.According to the relevant literature of the gene ontology terms,the suitability of these centralization methods for ontology important concepts discovering is quantitatively evaluated.The experimental results indicate that the betweenness centrality is the most appropriate method among all the evaluated centralization measures.

基于网络疾病传播模型的溯源算法及其应用综述

溯源问题在近年来得到了大量的研究与关注,在大规模的爆发与传染过程中,检测到最有可能的感染源头将会对感染的控制、感染机制研究、传播影响最大化问题提供帮助与见解.相关的技术可以用于大规模传染病的疫病控制、社交网络中的谣言溯源、广告营销中的最大化营销效果等.主要介绍了溯源问题主要的模型及其经典应用.

基于超网络的核心技术识别方法

[目的/意义]对特定技术领域的核心技术进行识别与分析,可以全面了解该领域的研究现状与发展趋势,为前沿技术研发和抢占科技制高点提供参考与建议。[方法/过程]引入超网络结构表征技术实体间的多元共现关系,利用超网络嵌入技术自动生成融合结构特征和属性特征的技术节点向量并通过模糊聚类得到技术集群,构建基于超网络结构的局部中心性、半局部中心性和全局中心性等度量指标,以识别每个技术集群中的核心技术节点。[结果/结论]以碳捕集、利用和封存技术领域为例,验证此方法的有效性和科学性,结果显示化学吸收、膜分离、固体吸附和低温分离等技术是该领域的核心技术,有助于我国合理配置资源、加大核心技术的研发力度以获取竞争优势。