基于改进PageRank算法的输电网关键节点辨识方法研究

为了准确全面辨识输电网的关键输电节点,针对现有辨识方法未考虑节点间功率传输路径的分配关系以及不同类型节点传输特性的问题,基于复杂网络理论和PageRank算法,从静态分析角度建立输电网的有向加权网络模型。根据节点在功率传输路径中的不同特点将节点划分为电源节点、中间节点和终端节点,并考虑不同类型节点与相邻节点间传输转移的信息值及节点间非等概率传输特性,通过对PageRank算法改进得到考虑节点状态信息与拓扑信息的电气传输转移矩阵。在此基础上,结合节点电压值、节点度和节点传输转移特性形成能够准确全面辨识输电网关键节点的方法。通过仿真结果对比分析,并结合系统遭受静态蓄意攻击后网络传输效率变化,表明所辨识关键节点故障后对电网的传输能力影响较大,验证了所提辨识方法的正确性与优越性。

基于改进PageRank算法的超网络关键节点识别

针对超网络中关键节点识别算法识别分辨率不足的问题,将在复杂网络领域中利用邻接节点信息获得更好效果的PageRank算法改进并运用到超网络中进行关键节点识别,并实现了超图从关联矩阵到邻接矩阵的转换算法,降低了计算复杂度。文中在真实网络中与超图的超度、节点度、邻接信息熵等指标进行对比,实验结果证明了文中算法能识别出关键节点并且具有较高的分辨率。

基于改进PageRank的多属性水网节点综合评价

针对有向赋权水网的特点以及复杂网络中节点评价的片面性,提出了一种基于改进PageRank的多属性水网节点重要性综合评价方法。首先,阐述水系网络的特点,提出了与互联网络的不同之处,同时在网络拓扑结构上从四个方面对节点进行了描述;其次,将PageRank算法应用到水网节点的重要性评价中,针对该算法在水网中的两个不适用性作出改进,再结合网络节点的综合属性进行重要性评价;然后,通过Krackhardt设计的数据集合风筝网络验证了该方法的一般性和有效性;最后,将该评价方法应用到某省的复杂水网重要性排序工程中。该方法综合考虑了网络的拓扑属性和水网实际情况,较为全面地评价了水网节点的重要性程度,对于水网调度和安全管理具有重要的借鉴意义。

基于改进PageRank算法和spin-glass模型的多角度识别可控的社区发现算法

针对如何有效解决社区发现算法中的社区重叠问题,以及如何改善社区扩张模式,提出了一种基于改进Page Rank算法和spin-glass模型的多角度识别可控的社区发现算法(PRSGMFCA)。首先通过优化的Page Rank算法对每一个节点排序,确定其中的核心节点;再通过基于Potts spin-glass模型的多角度识别模块度优化局部社区的扩张模式,解决传统模块度在分辨率极限方面的束缚和影响;同时在发现过程中,引入改进的贪心迭代算法发现局部社区;最后实现准确地发现重叠结构与节点。经过在计算机模拟网络与真实网络环境下应用比较分析,PRSGMFCA与传统的技术方案相比具有较好的稳定性与正确率,并且其算法复杂度也在可以接受的范围内。

基于改进PageRank算法的跨链公证人机制评价模型

跨链技术是区块链领域研究和关注的热点,公证人机制是一种典型的跨链技术手段。针对公证人机制中存在节点信用监督不足的问题,构建基于改进PageRank算法的公证人节点信用评价模型。收集多种公证人节点相关信息,利用改进的PageRank算法对公证人节点进行信用计算,得到高可信的公证人节点,从而保证区块链系统安全稳定。将用户评价和节点本身信息进行综合分析和相互验证,使得公证人机制更加安全可信。实验结果表明,该评价模型在跨链公证人机制中具有良好的应用和评估效果。

基于网页链接和内容分析的改进PageRank算法

结合网页链接分析和网页内容相关性分析提出一种改进的PageRank算法EPR(Extended PageRank),从分析网页内容相似性的角度解决相关性需求,从网页链接分析的角度解决权威性需求。算法为扩展PageRank提供了广阔的空间,并且实验证明,通过选择合适的参数EPR算法可以获得优于传统PageRank算法的排序结果。

基于主题特征和时间因子的改进PageRank算法

经典PageRank算法单纯地考虑到对网页的链接结构进行分析,而不能考虑到网页在搜索主题方面的相关性和权威性,以及用户对新旧网页的依赖程度的不同。针对经典PageRank算法存在的上述缺陷,综合网页的主题特征和时间特征两个因素,提出了一种改进的PageRank算法WTPR(weighted topic PageRank)。该算法通过网页链接分析和内容分析来解决网页的权威程度和相关程度,通过时间因子实现PageRank值随时间的变动而浮动。仿真结果表明,改进后的算法与PageRank算法相比获得了更好的效果。

基于用户行为的改进PageRank影响力算法

PageRank算法在计算用户影响力方面只考虑用户间的跟随关系,导致计算结果准确性低下。为此,提出一种将用户行为因素与PageRank算法相结合的URank算法。利用网络中用户发布信息的转发率、评论率以及是否认证等行为因素,综合用户自身质量与追随者质量,得到用户影响力。基于SIR传播模型的实验结果表明,URank算法在计算准确性方面优于PageRank算法。

微博环境下基于用户行为与主题相似度的改进PageRank算法

针对传统PageRank算法存在主题漂移、网页权值均分等问题,提出一种改进的PageRank算法。为提高用户查询效率和搜索质量,结合时间反馈因子对用户转发、用户评论和微博提及行为进行综合分析,采用统计分析方法对用户行为在微博用户影响力排序中的贡献进行度量,并利用改进的TF-IDF算法计算主题相似度权值使用户能够选择相关度较高的网页,从而获得相对应的PageRank权值。实验结果表明,与微博常用排序算法相比,改进PageRank算法具有更好的用户影响力排序效果。

基于改进PageRank算法的路网重要交叉口筛选方法

为便于对饱和交通状况下的城市道路交叉口进行分级管理,需解决城市道路交叉口的重要性排序问题,综合考虑全路网中各交叉口之间的静态结构连接关系和动态流量影响,在改进PageRank算法的基础上,提出了能够反应全路网动态变化的交叉口繁忙程度指标,并将该指标用于路网重要交叉口排序筛选来分析交叉口的状态.研究结果表明:排序越靠前的交叉口越繁忙也越重要,交叉口繁忙程度指标综合考虑了全路网交叉口状况,弥补了以饱和度为评价指标只能片面衡量单个孤立交叉口状态的不足,更准确地反映了饱和交通状况下交叉口之间的相互影响;本文方法排序结果与饱和度评价指标排序结果相比,40%交叉口的排序升降幅度在3位以内,30%交叉口的排序平均下降了7位,其余30%交叉口的排序平均上升了8位.该研究结果为饱和交通状况下交叉口的合理分级提供了量化手段,有助于及时发现急需管控的交叉口.

基于改进PageRank的BA演化模型

针对原始BA模型择优连接概率决定因素的缺陷,即只从节点的度来衡量节点的重要性,提出了使用改进的节点的PageRank值来替代节点的度来衡量节点重要性的方法,建立了采用改进的节点PageRank值作为择优连接概率决定因素的扩展的BA演化模型。该演化模型的度分布呈现幂律分布,与原始的BA模型进行比较得出更优的统计特性,仿真实验结果表明了此模型的正确性与可行性。

一种改进PageRank的微博用户影响力计算方法

以新浪微博为研究对象,基于MapReduce编程框架技术和PageRank评定方法,综合微博网络拓扑特征和用户行为因素,甄选出"直联热度"和"级联热度"等量化指标,用以表征评定微博用户影响力的动静态因素。构建了评估体系,提出一种基于混合量化指标与改进PageRank的微博用户影响力度量算法,并采用真实微博数据对该算法进行测试,对微博用户影响力进行了排名评估,与PageRank算法相比,表现出了较好的性能。

基于改进PageRank算法的文献相关度排序方法

科技文献检索时以专业角度给出合理的相关度排序是一项非常重要工作,传统PageRank算法采用了平均分配相似性权重的方式,但其会产生文献排序结果不合理的问题。为此,提出一种将深度学习方法与PageRank相结合的算法,提高文献相关度排序的可靠性。首先,使用具有注意力池化的孪生BERT(Bidirectional Encoder Representation from Transformers)深度学习网络计算文献与引文的相似度;然后,对文献与其所包含引文间的相似度进行规范化处理;最后,将标准化后的相似度作为分配权重对引文网络计算排序。实验结果表明,相较于传统的PageRank算法,该方法检索结果的相关度提升6%以上,因此更适合应用于科技文献的引文网络分析。

用时效曲线拟合改进PageRank算法

简要分析了PageRank的思想及其优缺点。基于信息时效性特征,对Web资源的几类典型的时效曲线变化规律进行了研究。采用分段曲线拟合的形式得到Web页面的时效重要度计算方法,同时给出了Web页面信息时效重要度模型。并与传统的PageRank算法相结合,对Web页面的排序方法进行了改进。该模型对页面的排序有明显的改善,其结果较好地满足了查询者的心理期待。

能见度与缺失分析的改进PageRank算法

本文在对PageRank进行分析的基础上,提出了基于链接能见度和缺失分析的改进PageRank算法,该算法根据链接不同特性赋予它不同的点击概率,同时分析了缺失率产生的原因并提出相关改进措施。通过试验系统的收集了四个数据集合上证明该算法较原PageRank在缺失率上会下降,且计算性能效率会提高。

基于社区划分和改进PageRank的影响力最大化算法

为了解决传统贪心算法不能有效解决大规模社会网络影响力最大化的效率问题,采用模块度将大规模的通信网络划分成较小的社区模块,并通过改进PageRank排名算法来评价有向复杂网络节点的传播能力,然后再利用KK算法挑选当前带来最大影响范围的剩余种子节点,提出基于社区划分和改进PageRank的影响力最大化算法。实验证明,该方法具有一定的扩展性和有效性。

一种适用于大规模的改进PageRank算法

在经典PageRank算法的基础上,提出了一种适用于大规模网页链接结构的改进PageRank算法-LSIPR。该算法利用大规模网页链接邻接矩阵的稀疏性,巧妙地使用了细胞数组,缩短了算法的计算时间和乘幂迭代的迭代次数。通过仿真实验表明,同改进PageRank算法、幂迭代PageRank算法和修正PageRank算法相比,LSIPR算法在大规模网页排名方面具有很好的收敛性,可以满足工程化应用的需求。

基于改进PageRank算法的微博影响力模型研究

由于Page Rank算法主要是根据网页之间的相互链接关系来计算网页的重要性得分,因此不能直接应用到微博网络来计算用户的影响力,从而本文在Page Rank算法的基础上,引入微博网络中用户的活跃度、博文质量以及关于位置的结构相似性等指标,建立适用于微博网络的用户影响力量化模型——Influence_Index。通过实验发现Influence_Index模型结果的影响力排名前十五的用户,其中有4位出现在被该网络用户公认的5位最具影响力用户的名单中。由此看出该模型的结果具有较高的准确性可以较好的识别出网络中具有影响力的用户,具有较高的推广意义。同时发现增加原创博文量、关注数量和粉丝量对提升用户的影响力有着显著作用。

一种改进PageRank的新方法

PageRank是Web主题检索最成功的算法之一,但它同时也存在一些问题。PageRank算法仅仅考虑了Web的链接结构,并没有考虑链接所携带的内容信息。针对这种情况,本文提出了根据链接临近文本信息时PageRank进行主题矫正计算的方案,最终使用PageRank与主题矫正值的和替换整最初的PageR- ank。模拟实验结果表明,改进后的算法可以提高PageRank算法的查全率。

基于改进PageRank算法的银行零售业务客户价值排名研究

在银行零售业务交易系统中,如何在大量客户数据交易网络中挖掘出影响力高,潜在价值高的重要发展客户,从而制定相应的业务营销计划,对银行来说是一件至关重要的事情.本文提出一种基于PageRank的改进算法——IER(Improved Enhanced-RatioRank)算法,该算法以客户作为节点,以主动交易金额构成出链权重因子作为有向边,构成一个客户交易网络有向图,通过添加交易次数活跃因子和时间有效性因子等重要因素,从多维角度可以精准有效地挖掘出重要发展客户.最后,利用RFM(Recency, Frequency, Monetary)模型来验证实验结果.实验结果表明,所提算法在银行零售业务交易系统中挖掘重要发展客户有良好的效果.