基于零模型的含时网络模体识别方法

在带有时间属性的含时网络中,常规的基于频繁子图统计的网络模体识别方法容易受网络规模与结构差异的影响。而与实证网络具有相同规模和某些相同性质的零模型网络能为实证网络的特性挖掘提供了准确的基准,于是提出一种基于零模型的含时网络模体识别方法,用两种网络子图特征比较后的相对值来识别含时网络中的具有显著结构意义的子图。同时,为确定零模型网络何时达到稳定,采用成功置乱次数方法来改进基于时间置乱或时间随机化的含时网络零模型构造方法。在实验阶段,对包含卫星和地面站的46节点全球定位系统(GPS)星座进行仿真实验,确定了零模型网络子图特征稳定时的成功置乱次数;构造10个零模型网络与卫星网络比较,发现反映节点连接具有连续性特点的子图的出现次数仅为最高频子图的1/34,却是卫星网络中最重要的模体。实验结果表明,以零模型为参照的含时网络模体识别方法能更准确地识别出反映网络结构特性和动态变化过程的模体。

复杂网络零模型的量化评估

针对随机置乱算法生成复杂网络的零模型时,因不同阶次零模型成功置乱概率的差异导致难以准确判断零模型何时能够趋于稳定的问题,定义了"成功置乱次数"的概念,并提出使用"成功置乱次数"替代传统的"尝试置乱次数"进行算法设定。提出的成功置乱次数指标仅在随机选择的边满足相应阶次零模型的置乱条件从而被成功置乱后进行累加。各阶次零模型生成实验表明,使用该算法设定方式后各网络拓扑指标均能在较小的成功置乱次数范围内趋于稳定。进一步的量化分析表明,按阶次分别设定成功置乱次数为网络边数的2倍、1倍、1倍即可得到质量较好的0阶、1阶、2阶零模型。