改进的加权网络节点重要性评估的互信息方法

现有的复杂网络节点重要性评估研究主要集中在无向无权网络上,不能全面客观反映某些真实复杂网络的情况。针对无向加权和有向加权网络中评估指标适用范围有限、评估结果不够全面等问题,借鉴应用于无向无权网络的基于互信息的节点重要性评估方法,提出适用于无向加权网络和有向加权网络的互信息评估方法。该方法将网络中的每条边看作信息流,结合相应复杂网络的结构特点和"信息量"的定义方法,以求出的节点信息量作为节点的重要性评估指标。对实例网络进行分析可知,所提算法在保证评估准确性前提下,能更加细致刻画有向加权网络节点之间的差异性。在对ARPA网络的节点评估中,所提算法与以往指标所评估出的前5个最重要节点的节点编号尤其相近,凸显出该算法快速发掘核心节点的能力,为快速、准确评估无向加权和有向加权网络核心节点,提高网络抗毁性提供一定理论帮助。

基于结构特征量化的本体模块化划分研究

针对大规模本体模块化划分问题,从本体结构与复杂网络的相似性分析入手,根据本体语义和网络结构特征将其转换为对应的概念网络。提出衡量本体中节点局部中心度和边的语义连接强度的量化标准,用于选取核心节点和度量边权重,得到显式表示本体语义和结构特征的无向加权层次网络,将其建模为具有不同位势的电路网络,利用最大位势差法划分本体模块。实验结果表明,该方法能够在线性时间内得到质量较高、适合匹配应用的本体划分。

基于UWN的协同创新知识网络知识流动效率测度

知识流动效率对创新绩效有着重要影响,在协同创新领域更是如此。为有效测度协同创新知识网络的知识流动效率,本文提出一种基于无向加权网络(Undirected Weighted Network, UWN)的知识流动效率测度模型。首先,基于协同创新知识网络的节点特性、节点间关系特性,构建协同创新知识网络的UWN模型;综合考虑协同创新知识网络中知识流动效率的多重影响因素,提出一个新的知识流动效率测度模型,并进一步提出该模型在成员管理中的延伸应用;最后,通过某智能手机开发企业的应用案例验证本文所提模型与方法的可行性与有效性。