基于社区与结构熵的异质网络影响力最大化

影响力最大化的目的是在网络中发现能够触发最大数量的剩余节点参与到信息传播过程的一小群节点.目前异质信息网络中影响力最大化的研究通常从网络中抽取同质子图、或基于节点局部结构的元路径进行节点影响力的评估,没有考虑节点的全局特征和网络中高影响力节点间的集群现象给种子集合最终扩散范围造成的影响损失.文中提出了一种基于社区与结构熵的异质信息网络影响力最大化算法,该算法能够有效地从局部和全局两个方面度量节点的影响.首先,通过构建元结构保留节点在网络中的局部结构信息和异质信息度量节点的局部影响;其次,利用节点所属社区在整个网络中的权重占比对节点的全局影响进行度量;最后,综合求出节点的最终影响并选出种子集合.在真实数据集上进行的大量实验结果表明所提算法有较好的有效性和效率.

Internet自治系统级拓扑复杂网络特征分析与验证

为深入理解和认清Internet复杂巨系统的不变特征和动态规律,分析研究Internet自治系统级拓扑的复杂网络特征,给出幂律分布和无标度条件的数学描述以及寻找两者之间的关系,分析小世界网络的两个重要特征,即较短平均路径长度和较大聚集系数,讨论匹配性问题和富人俱乐部现象,基于上述理论结果和BGP经验数据计算自治系统级拓扑的最大节点度、平均节点度、聚集系数和最大团数,发现自治系统级拓扑具有幂律分布、异配性以及富人俱乐部现象等复杂网络特征,得到幂指数、匹配系数以及富人俱乐部系数等重要特征参数。

基于节点覆盖范围的影响力最大化算法

为解决传统影响力最大化算法时间复杂度高,选出节点过于集中,导致富人俱乐部现象(rich-club)的问题,提出一种基于节点覆盖范围的影响力最大化算法,将节点覆盖范围作为节点选取的中心性评价指标,有效避免选取种子节点时节点过于集中。为进一步减少运行时间,对该算法进行CELF优化。在各种规模网络上的实验结果表明,该算法能够有效选取最具影响力的节点。