全动态多维网络局部介数中心度算法

近些年来,随着对各种网络图数据分析的不断深入,越来越多的研究开始关注复杂网络的数据分析.面对现实生活中不断的动态变化,且更加复杂、多维度的社交网络或实体关系,亟需寻找新的方法来支持这样的应用需求.针对维度不断动态变化(增边或删边)的全动态多维网络上的节点重要性度量问题,提出了多维网络局部介数中心度度量算法以及动态环境下的局部介数中心度更新算法.首先将多维网络映射为一维映射图,并在此基础上利用K最长路径约束的局部介数中心度来衡量节点重要性,进而提出了两步过滤剪枝算法来加快动态网络环境下的局部介数中心度更新过程.接着对算法进行了理论分析,并分析了算法的应用场合.最后通过在模拟和真实数据集上的实验,探讨了最长路径约束K的大小选择,并展示出文中所提的全动态多维网络局部介数中心度更新算法具有良好的加速性能.