个人微博用户网络的节点中心性研究

以新浪个人微博用户为研究对象,建立了一个"关注"与"被关注"的有向网络.将节点度、紧密度、介数和K-壳4个社会网络指标应用到微博有向网络,研究了个人微博用户网络中节点的中心性,得到网络中重要性用户,分析了他们在信息传播中的作用和在网络中所表现出来的特性,体现出该用户的兴趣爱好.研究了社会网络指标与度之间的相关性,体现出网络各指标之间的关系.研究结果有助于识别个人微博用户网络的关键节点,进而分析信息在个人微博用户网络中的传播.

网络集聚性对节点中心性指标准确性的影响

节点中心性指标是从特定角度对网络某一方面的结构特点进行刻画的度量指标,因此网络拓扑结构的改变会对节点中心性指标的准确性产生重要影响.本文利用Holme-Kim模型构建可变集聚系数的无标度网络,然后采用Susceptible-Infective-Removal模型进行传播影响力的仿真实验,接着分析了节点中心性指标在不同集聚系数的无标度网络中的准确性.结果表明,度中心性和介数中心性的准确性在低集聚系数的网络中表现更好,特征向量中心性则在高集聚类网络中更准确,而紧密度中心性的准确性受网络集聚系数的变化影响较小.因此当网络的集聚系数较低时,可选择度或者介数作为中心性指标进行网络节点影响力评价;反之则选择紧密度指标或特征向量指标较好,尤其当网络的集聚系数接近0.6时特征向量的准确性可以高达到0.85,是度量小规模网络的较优选择.另一方面,传播过程的感染率越高,度指标和介数指标越可靠,紧密度和特征向量则相反.最后Autonomous System实证网络的断边重连实验,进一步验证了网络集聚性的改变会对节点中心性指标的准确性产生重要影响.

基于节点中心性和社区相似性的快速标签传播算法

为了减少标签传播算法(LPA)中不必要的更新、解决算法准确率低且稳定性差的问题,提出了基于节点中心性和社区相似性的快速标签传播算法(FNCS_LPA)。按照节点中心性度量对网络的节点从低到高进行排序后加入节点信息列表,利用节点信息列表来指导更新过程,提高社区发现的稳定性并避免不必要的更新;采取基于社区相似性的更新规则,提高了社区发现的准确率。在真实社会网络和LFR基准网络上进行实验:相比LPA和三种较好的LPA改进算法,FNCS_LPA在执行速度方面提升了几十倍,真实社会网络的模块度也相对较高,在社区结构比较模糊的LFR基准网络上的归一化互信息有明显的优势。实验结果表明FNCS_LPA在提高执行速度的基础上,提高了算法的稳定性和准确率。

基于网络节点中心性的新闻重要性评价研究

评价权威报刊的新闻重要性对于正确理解国家政策变化具有重要意义。该文以《人民日报》为例,抽取发表在1946-2008年期间的新闻,利用其内容相似性构建新闻网络。从复杂网络视角,一篇新闻与其他新闻的相似性越高,其在新闻网络中连接越紧密,具有较大的节点中心性。鉴于此,该文将H指数引入PageRank排序算法,提出H-PageRank排序算法,利用其计算H-PageRank中心性,评价新闻重要性。在实验过程中,考虑到不同领导核心执政时期《人民日报》的新闻风格与新闻版面的差异性将新闻划分为4个时代,基于表示学习分别形成对应的新闻网络。研究结果表明:1)4个新闻网络的拓扑结构都表现出高聚类性与同配性,且具有近似幂律的度分布,表现出复杂网络一般特性;2)基于多种网络节点中心性指标,对每个新闻网络中的节点进行全局排序,并以是否成为头版新闻为重要性的评价准则计算得到相近的AUC值,然后基于局部排序的Top-N评价方法计算得到正确率、召回率和F1指标,综合以上指标的实验结果表明,H-PageRank中心性显著优于其他算法的中心性,验证H-PageRank排序算法的有效性;3)针对每个新闻网络,基于网络节点中心性的Top-N评价方法不同排序列表长度条件,其计算得到的正确率显著高于理论基准,表明评价方法的鲁棒性。

基于图论的中国高铁网节点中心性进化研究

为了研究中国高铁网节点中心性及其进化情况,针对中国高铁2017年底、2020年初的分布情况及国家高铁网八纵八横规划(2035年)分别构建了基于图论的中国高铁网.通过对交通网节点中心性评估算法的分析,提出了中国高铁网重要节点的评估方法.通过仿真实验分析了不同参数组合得到的结果,并据此分别确定了不同时段(2017、2020、2035)的重要节点Top20,对这些节点中心性的进化过程进行对比,分析了部分重要节点排名波动的原因.

一种基于节点中心性近似算法的ICN协作缓存策略

为了降低信息中心网络(Information Centric Networking,ICN)缓存冗余度和平均接入代价,提出一种基于节点中心性度量近似算法的协作缓存策略Centrality Metric Approximation Algorithm(CMAA)。考虑到精确计算最短路径的工作量对缓存性能的影响,CMAA策略利用最短路径近似估计值以提高节点中心性的计算效率,将节点中心性近似度量加权融合值、节点热度和缓存利用率三者作为缓存影响因子,计算得出兴趣包转发路径各节点的缓存优先级。在多种实验条件下对CMAA进行仿真实验,结果表明与LCE(Leave Copy Everywhere)和CLFM(Cache“Less for More”)相比,CMAA在平均缓存请求时延变化不大的情况下,可有效地提高缓存命中率,降低平均接入代价,从而改善缓存系统性能。

基于节点中心性的移动机会网络网关选择算法

移动机会网络中,为使用户快速从因特网获取数据,需要选择某些合适节点担任网关。研究了移动机会网络网关选择问题。证明了k网关选择判定问题是NP难的。基于移动节点的中介中心性、度中心性、接近中心性,利用贪婪策略,提出了移动机会网络的网关选择算法。实验结果表明,基于节点中心性的3种网关选择算法均可改善网络性能。特别是基于节点接近中心性的算法可使性能得到最大幅度提升;基于节点中介中心性和度中心性的算法的性能受网络规模、需选择网关数目影响不大;基于节点接近中心性的网关选择算法对网络性能的改善幅度随需选择的网关数目的增多而增大。

基于图节点中心性和空间自相关的显著性检测方法

针对现有显著性检测方法检测出的显著性区域内质不均匀、边界不够清晰准确的问题,提出了一种基于复杂网络图节点重要性评估策略以及空间自相关的显著性检测方法。首先,结合颜色信息、空间信息,利用复杂网络节点中心性法则以及空间自相关指示系数,生成多准则下的显著性初始图;然后,利用D-S证据理论融合多幅初始图,通过将边界强度信息加入到递进优化的二级元胞自动机,从而得到最终显著性区域结果。在两个公开图像数据集上对所提方法主体过程各模块进行了单步有效性验证,并与其他现有显著性检测方法进行视觉定性、客观定量以及算法效率的实验对比。实验结果表明,所提方法单步各模块具有有效性,且在显著性视觉效果,以及准确率-召回率(P-R)曲线、F-measure值和平均绝对误差(MAE)、算法耗时的综合结果上优于其他算法,特别是与所提方法密切相关的BSCA算法。同时,视觉对比实验的结果也验证了所提方法能够有效改善由于显著性物体与图像背景差异小、显著性物体内部颜色不一且差异大而产生的内质不均和边界不明确的不理想结果。

融合节点中心性和度相关聚类的有向网络链路预测

现存大部分有向网络的链路预测方法仅关注链接方向信息和互惠链接信息而忽略节点重要性及度相关聚类的贡献,导致预测精度下降。针对以上不足,提出基于节点中心性和度相关聚类的有向网络链路预测指标。首先,利用节点中心性统计任意节点邻居数量去衡量节点的影响力;其次,将节点度相关聚类系数方法扩展到有向网络去评估节点聚类能力,并与网络同配系数相融合获得节点对高聚类能力;最后,融合以上2类信息提出一个带参的有向网络链路预测指标。在6个真实世界有向网络上与最近代表性预测指标比较,所提指标AUPR和AUC分别提高了33%和1.6%。

金融空间关联网络的平衡发展效应——基于网络节点中心性视角

基于城市网络视角探讨金融发展对经济增长和经济差距的影响,对完善金融有效支持实体经济体制机制、推动区域经济平衡发展具有重要参考价值。本文使用2011—2020年中国284个地级以上城市数据,实证检验金融空间关联网络的平衡发展效应。研究表明,金融网络中心性能够促进城市经济增长、缩小城市经济差距,有利于推动经济平衡发展。地理区位和城市群类型差异会诱致金融网络中心性的平衡发展效应产生异质性,具体表现为对东部地区和核心城市群地区的影响更为明显。在宏观层面,金融网络中心性能够通过增强城市经济韧性和市场潜能缩小城市经济差距,而企业进入和企业成长则是金融网络中心性推动城市经济平衡发展的重要微观基础。进一步分析发现,金融网络中心性会缩小城市内部差距和南北地区差距,但并不利于城乡之间的经济平衡发展。

基于聚类系数和节点中心性的链路预测算法

目前复杂网络领域受到越来越多人的广泛关注。其中链路预测是复杂网络研究中的一个热门的分支,被作为预测缺失链路和识别虚假链路的有效手段。传统基于相似性的复杂网络链路预测主要考虑每个节点的某个相似性指标,而该文提出一种基于聚类系数和节点中心性(CCNC)的链路预测算法,将度、聚类系数和节点中心性3个相似度指标结合,引入到复杂网络链路预测中。该算法使用度和聚类系数作为局部信息的指标,使用节点中心性表征节点在网络中的重要程度。最后,以6个真实网络为例,通过对比曲线下面积(AUC)和精确度(Precision),验证了CCNC算法的可行性和有效性。

高铁复杂网络拓扑特征及节点中心性研究

以我国主要代表性城市为研究对象,分析高速铁路网络特性与拓扑特征,识别高铁网络中的节点城市及其功能作用。运用Space-P方法构建高铁网络模型,利用复杂网络理论及Pajek分析软件,从度值、平均路径长度、聚集系数及节点城市中心性等方面研究我国高铁网络的拓扑结构及节点中心性,结果表明:我国高铁网络整体聚集性较高、连通性较强,东中部及沿海城市表现出高聚集性,西部城市高铁网络连通性低,聚集性较弱;高铁网络具有小世界特征,任意两节点之间通过较少的中转次数即可连通,少数城市间需中转三次才能连通;在高铁网络中,度值较大的城市主要集中在我国东中部及沿海地区,西部及东北地区城市度值较小且度中心性较大,其接近中心性也较大;而度值较小且介数中心性较大的城市具有较强的中转能力。

数字经济空间关联网络的产业结构变迁效应研究——基于网络节点中心性分析视角

准确刻画数字经济空间关联网络特征并探讨其产业结构变迁效应,对于凝聚数字经济发展合力和扩大其对产业结构变迁的网络溢出效应具有重要的参考价值。基于网络节点中心性分析视角,实证探讨了数字经济空间关联网络的产业结构变迁效应。研究发现:(1)我国城市数字经济已呈现显著的整体网络发展格局,但从网络节点中心性来看,仍存在显著的空间差异,其由高到低表现为“东部地区—中西部地区”“四大核心城市群—非四大核心城市群”“中心城市—周边外围城市”的分布规律。(2)网络节点中心性的提高显著促进了产业结构合理化、高级化,且该结论在考虑内生性问题及稳健检验后依然成立。(3)网络节点中心性对产业结构变迁的正向促进作用存在显著的异质性:从地区差异来看,东部地区更能通过提高网络节点中心性显著促进产业结构变迁;从所属城市群区域来看,“四大核心城市群”网络节点中心性的产业结构变迁效应更加突出;从城市规模来看,大规模城市更能显著发挥数字经济网络的正外部性以加快产业结构变迁的步伐。

郑州城市圈高速路网节点度中心性分析

本文利用原始法将当前的郑州城市圈高速路网转化为拓扑网络,利用CAD将高速路网节点图绘制,然后构建郑州城市圈交通流量和公路里程加权高速路网,利用复杂网络中的节点度中心性对路网中的124个节点进行分析。

基于节点度中心性的无监督特征选择

特征选择方法可以从成千上万个特征中选择合适的少量特征,使模型更加有效、高效。本文考虑到真实场景下高维数据集中特征之间互相关联以及使用复杂网络结构描述特征空间的全局性与合理性,提出无监督场景下的基于复杂网络节点度中心性的特征选择方法。根据特征间的相关性大小,设定阈值选择保留符合要求的关联;再利用保留的关联生成以特征为节点的无向无权重网络结构;最后以衡量节点度中心性的方法筛选此网络中影响力最大的节点集,亦即最优特征子集。本文方法为处理特征重要性及特征冗余增加了灵活性。采用对比实验,将本文方法与常用特征选择或特征提取方法在多个高维数据集上进行性能比较。实验分析结果表明此方法的有效性以及普适性。

复杂网络图中心节点分布的研究

复杂网络图中不同的节点的作用和重要程度不同.节点的中心性度量,可以反映节点在图中的作用以及对其他节点的影响.复杂网络的全局中心节点有时分布较为集中,不能很好地反映网络图各处的重要节点.局部中心点是中心性度量值大于等于它的所有邻居节点的中心性度量值的节点,分散分布在网络图中,分散分布在社区中,是复杂网络中具有大的局部影响力的重要节点.

网络药理学研究中的网络分析技术

网络分析技术是网络药理学研究中的核心技术,通过整合多种学科理论技术对网络药理学研究中相关的分子网络进行多角度多层次的信息挖掘,以准确、客观地查询出能够产生特定药理作用的成分或成分组合、药物或药物组合,以及具有特定生理功能的关键节点、模块等,从而为新药研发、药物作用机制揭示、疾病机制阐释、生物标志物指明等提供有指导价值的信息,尤其对于以阿尔茨海默病为代表的复杂性疾病研究意义更加突出。本文对近年来网络药理学研究中常用的网络分析技术进行了综述。

基于改进图注意力网络的油井产量预测模型

针对图注意力网络处理噪声和时序数据较弱,并且在堆叠多层后出现梯度爆炸、过平滑等问题,提出一种改进图注意力网络模型.首先,使用Squeeze-and-Excitation模块对样本输入数据的特征信息进行不同程度关注,增强模型处理噪声的能力;其次,使用多头注意力机制,将序列数据中每个序列相对其他序列进行加权求和,提取数据的时序性;再次,将图注意力网络提取的节点特征与节点的度中心性拼接,获取节点的局部特征,并用全局平均池化的方式提取节点的全局特征;最后,将两者进行融合得到节点的最终特征表示,增强模型的表征能力.为验证改进图注意力网络的有效性,将改进图注意力网络模型与LSTM,GRU和GGNN模型进行对比,实验结果表明,该模型预测效果得到有效提升,具有更高的预测精度.

复杂网络中的一种介度熵抗毁性度量方法

在复杂网络中,核心节点的损坏可能会影响到整个网络的稳定性。基于节点重要性研究了网络抗毁性度量和抗毁性能。综合考虑节点度值和介数对节点重要性的影响,提出了局部介-度中心性指标。兼顾节点的聚集系数,提出节点抗毁性度量方法。为了估量网络的抗毁性能,提出了介-度熵度量及其算法。仿真攻击实验结果表明,基于介-度中心性的攻击策略移除约20%的节点后,可将网络近似地分割为孤立节点集合,它优于传统的攻击策略,表明介-度中心性指标可以更准确地刻画节点重要性。对不同模拟网络的抗毁性评估计算结果则表明,介-度熵度量对网络抗毁性能的排序符合实际情况,在衡量网络抗毁性方面是完全合理的。

利用网络表征学习辨识复杂网络节点影响力

发现复杂网络中最具影响力的节点,有助于分析和控制网络中的信息传播,具有重要的理论意义和实用价值.传统的确定节点影响力的方法大多基于网络的邻接矩阵、拓扑结构等,普遍存在数据维度高和数据稀疏的问题,基于网络表征学习,本文提出了一种局部中心性指标来辨识网络中高影响节点(NLC),首先采用DeepWalk算法,把高维网络中的节点映射为一个低维空间的向量表示,并计算局部节点对之间的欧氏距离;接着根据网络的拓扑结构,计算每个节点在信息的传播过程中,对所在局部的影响力大小,用以识别高影响力节点.在八个真实网络中,以SIR和SI传播模型作为评价手段,将NLC算法和度中心性、接近中心性、介数中心性、邻居核中心性、半局部中心性做了对比,结果表明NLC算法具有良好的识别高影响力传播节点的性能.