基于证据理论的多层超网络影响力节点识别方法

针对多层超网络研究多集中于拓扑结构,且影响力节点识别方法中涉及指标较为单一,无法全面准确识别影响力节点的情况,提出一种基于证据理论的多层超网络影响力节点识别方法。首先,在多层超网络拓扑结构基础上,根据聚合网络思想构建多层聚合超网络;其次,基于证据理论定义问题的辨识框架;最后,利用D-S(Dempster-Shafer)证据组合方法,融合网络的局部、位置和全局指标以识别网络影响力节点。将该方法应用于arXiv数据集构建的物理−计算机科学双层科研合作超网络(MAH),在基于RP(Reactive Process)和CP(Contact Process)策略的易感−感染−易感(SIS)超网络传播模型中,与超度中心性、K-shell、接近中心性方法等相比,传播速度最快,且最先达到稳态;隔离影响力排名前6%节点后,网络平均超度、聚类系数以及网络效率均减小;随着隔离影响力节点比例的增大,网络子图数量增速与接近中心性方法相近;通过单调性指标值度量识别结果粗粒度,达到0.9998,识别结果具有较高区分度。综合多个实验结果,表明该多层超网络影响力节点识别方法准确有效。

基于线上-线下超网络模型的舆论演化仿真分析

目前在舆论演化模型及其动力学规则的研究中大多数都没有考虑线下网络,导致其无法真实反映舆论传播过程。为解决上述问题,首先利用线上-线下社交网络映射方法得到线上-线下社交网络拓扑结构;然后构建线上-线下超网络模型,集成舆论事件态势信息形成舆论演化仿真环境;最后,利用传播学原理制定线上-线下超网络模型动力学交互规则,进行舆论动力学仿真。将提出型用于事件实例分析,仿真结果与舆论事件实际发展情况之间的余弦相似度达到0.99,平均差值为1%。实验结果表明,所提模型取得了比其他方法更好的仿真效果,验证了线上-线下超网络模型和舆论动力学交互规则的正确性和有效性。

超网络体系作战下的打击目标优选模型

针对当前进行海上作战体系目标优选分析与决策时对打击代价考虑不足的问题,提出综合考虑目标节点重要度和打击费效度的网络节点分析模型。利用超网络构建海上作战体系网络模型,通过度和介数等指标评估网络中节点的重要度;利用打击费效比为指标评估网络中节点的打击代价,进而将目标分析与选择问题转化为多目标优化问题,建立寻优模型,并通过人工鱼群算法进行寻优求解。最后对模型进行案例仿真应用,通过专家Delphi法评估检验,结果表明所建立的模型方法可行,对水面舰队体系的目标分析与选择具有借鉴作用。

基于优化零模型的脑功能超网络拓扑结构分析及多特征融合分类

脑功能超网络已广泛用于脑疾病分类,但大多研究集中于改进静态超网络模型的构建来提高分类准确率,主要使用聚类系数等常见节点拓扑属性量化脑功能超网络,忽略了超网络拓扑属性所包含的有效信息。然而研究表明超边所体现的高阶模式可以更好地表征脑网络整体结构,超边间的交互则可以反映超边间的空间传递信息能力,有助于更好地理解脑疾病的神经机制。考虑到该问题,提出多组超边属性,并结合已有节点属性综合表征脑功能超网络拓扑信息。然而,由于超网络超边特性,导致拓扑信息计算代价较为昂贵,并且多个拓扑属性之间可能存在冗余性较高的问题。因此,进一步优化已有零模型使其适配脑功能超网络,并基于优化的零模型评估拓扑属性间的依赖关系,最终融合依赖性较小的拓扑属性参与分类模型的构建。结果表明,拓扑属性间的依赖关系有所不同,含有超边的拓扑属性与其余拓扑属性的依赖性较小。此外,融合依赖性较小的多拓扑属性特征的分类性能优于传统方法,达到89.39%。这表明提取脑功能超网络的拓扑信息时,不仅需要考虑节点拓扑属性,还需考虑超边信息。同时在多组拓扑属性表征脑功能超网络拓扑信息基础上,选取依赖性不强即冗余性较低的拓扑属性能够提高组间差异表征能力,最终提高脑疾病分类性能。

基于SCL-CMM模型的超网络链路预测方法

图为建模现实系统的内在交互提供了一种有效的方式,但却无法显示捕获的多个实体之间广泛存在的高阶异质性,超图则可以很好地突破低阶关系的限制。超网络的链路预测就是根据观测到的超图结构来预测未知的超链路,因其可以充分地刻画复杂系统的关联模式而成为网络科学中的热点问题。现有的方法通常针对整个拓扑结构设计推理模型,忽略了网络中隐含的聚集特性,导致预测的超链路类别不全面。针对上述问题,提出了基于超图谱聚类解析器的协调矩阵最小化(coordination matrix minimization based on hyper graph spectral clustering parser,SCL-CMM)模型的超网络链路预测方法。该方法将高阶超网络映射到具有一定语义的异质超图上,然后利用谱聚类解析器来提取超链路的结构特征,将原始超图重构为多个同质子图,进而在子图的观测空间而不是整个网络的邻接空间推断潜在超链路的分布情况,还原完整的超网络结构。该方法联合学习超网络的结构特征与集聚属性来建模各个子图的高阶非线性行为,解决了异构超图链路预测类别单一、精度低的问题。在9个真实数据集上进行了大量的对比实验表明,该方法在AUC(area under curve)评分和召回率方面都显著优于现有方法。

基于超图的微博舆情超网络关键舆情要素识别

随着微博用户数日益增多,微博已然成为了网络舆情的重要产生地,同时微博舆情状态多样,涉及因素复杂,多种不同因素构成了一个复杂的系统,系统中存在个别用户、微博或评论等舆情要素对舆情演变起关键作用。因此引入超网络对微博舆情的关键舆情要素进行识别,对网络舆情的分析和监控有积极意义。本研究以基于超图的超网络为基础,构建了微博舆情超网络分析模型,应用LDA,SnowNLP,Python仿真分析等方法,识别微博舆情中的关键舆情要素,并对关键舆情要素的特征和情感进行分析与讨论。最后,应用在真实的舆情主题中,识别出六类关键舆情要素,分别是活跃人物、传播人物、热点微博、潜在热门微博、热点主题、中心主题,并分析各关键舆情要素的情感倾向。研究结果表明,建立的超网络模型,能有效识别特定舆情环境下的关键舆情要素,有利于对网络热门事件进行舆情分析和监控。

基于超网络的军事交通运输网络节点价值评估方法

针对军事交通运输网络中的高价值目标选择问题,提出一种基于超网络的节点价值评估方法。考虑多层网络内部和网络之间的交互机制,构建由通行枢纽子网、军事力量子网和后勤保障子网组成的军事交通运输超网络模型;提出综合拓扑维度和功能维度的超网络综合效能评价算法,在此基础上运用节点删除法,获得超网络中节点的体系价值和优先打击顺序。实验结果表明:节点的功能属性对其体系价值起决定性作用,且所处位置越优、邻近节点越重要,其体系价值越高;经过多轮打击后,通过该方法获得的节点打击排序相近,表明了该方法的鲁棒性;与现有方法相比,该方法能够全面客观地判断目标的重要度,有效提高决策的准确率,具有较高的战场普适性。

基于超网络模型的智慧政务信息协同建设城际分野与发展策略研究

[目的/意义]信息协同状态是影响智慧政务建设水平的重要因素,当前我国各城市智慧政务建设水平参差,通过构建智慧政务信息协同超网络模型,对信息协同状态进行量化测度,并基于现实城市案例,展开城际信息协同状态分野研究,对于明确智慧政务信息协同建设的目标和方向,促进智慧政务的发展具有重要意义。[方法/过程]构建智慧政务超网络模型,从微观和宏观多视角提出信息协同状态的量化测度方案,选取我国智慧政务建设水平处于不同阶段的代表性城市为案例,深入分析各类测度指标城际差异,并根据指标对现实意义的映射揭示信息协同建设城际分野现状。[结果/结论]分析发现,随着智慧化建设水平的提升,信息协同网络整体呈现熵增的趋势,即信息间关联更趋复杂,信息协同规模不断扩大,但节点之间链接的丰富速度通常慢于协同规模的扩张速度,即信息内容层面关联的发展速度低于对信息协同需求的成长速度,基于信息协同网络的特征,从单要素以及整体宏观层面,提出了相应的信息协同发展策略。

Hyper-SegUNet:基于超网络的超参自学习医学图像分割模型

为解决在训练UNet及其变种时需要手动选择超参数的缺陷,提出一种嵌入超网络(Hypernetworks)的医学图像分割模型Hyper-SegUNet.首先,构建编码器和解码器组成的U型网络结构.然后,将多组超参数作为解码器的输入单元,进而输出多组不同超参数下的性能,并从中挑选最优超参数.在腹部多器官分割数据集Synapse和心脏单器官分割数据集ACDC的实验结果表明,该模型可以自动选择超参数,而且分割准确性优于基线方法.

数字生态系统多主体协同创新超网络模型及治理路径研究

在数字生态系统中,多主体协同创新是基于场景化的需求,以跨界创新项目为载体,将资源按需整合配置,以共同培育孵化数字创新产品的行为。本文结合超网络工具,将不同数字主体间技术水平、市场关系嵌入数字业务合作网络,构建数字生态系统多主体协同创新超网络模型,运用变分不等式对其求解,分析不同层级的网络流之间相互作用关系。在此基础上,以内容治理、关系治理和价值治理为核心,提出促进创新超网络实现均衡的框架和治理路径,以期为数字生态系统可持续发展提供参考借鉴。

基于线图的无权脑超网络超边学习及融合特征分类

脑功能超网络已广泛用于脑疾病的分类诊断中。在现有研究中,研究人员集中于改进脑功能超网络的构建却忽略了脑超网络拓扑对于分类诊断的影响,大多使用节点特征表征脑网络的拓扑。而研究表明超边信息能够弥补超网络的特征,同时超边间的传递有助于整体学习。考虑到该问题,提出基于线图的无权脑功能超网络超边学习,以分析超边对脑功能超网络拓扑和分类性能的影响。具体来说,首先,基于功能磁共振数据,使用星型扩展方法构建脑功能超网络;其次使用线图理论构建超网络的线图模型;然后使用超边密度提取线图的局部属性特征并使用非参数检验方法进行局部特征选择;接着使用基于图的子结构模式挖掘算法提取线图的子图特征并使用频繁分数特征选择方法选取判别子图;最后分别利用支持向量机构建分类模型。结果表明,所提方法分类结果优于传统脑功能超网络分类结果,达到86.79%。这表明脑功能超网络模型的超边拓扑信息影响分类模型的构建。此外,基于线图模型所求得的融合特征优于任一单一类型的特征,达到88.68%。可见对于超边拓扑信息提取,不仅需要考虑超边的属性信息,还需考虑超边间的空间传递信息能力。

基于超网络理论的高铁快运枢纽节点选址与分级研究

随着我国高速铁路的发展,大幅度实现了客货分流的既有目标,运力充足促进了高铁快运的发展,然而我国尚未形成以枢纽节点为中心的高铁快运网络,货物的集疏运效率较低,作业系统尚未完善,因而对枢纽节点的选择和分级是提高高铁快运效率的重要手段。首先分析我国高铁快运的发展现状,结合超网络理论对高铁快运枢纽城市进行选择与分级,计算节点静态拓扑参数得到枢纽节点初选集,再从节点失效后对网络韧性的影响角度出发对初选集中节点进行筛选,计算网络鲁棒性来衡量线网韧性从而证明结论合理性,确定节点位置集合;使用Logit模型标定高速铁路货运占比,计算节点加权介数,最后利用LSTM网络对货运量进行预测,确定我国高铁快运一级枢纽节点集合,按服务区域统筹货物集疏运工作,提高高铁快运的市场竞争力。

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。

基于企业数据的京津冀城市群网络结构解析——区域性社会网络和超网络分析的应用

在区域协同合作、经济内循环的背景下,从企业数据出发对京津冀城市群真实的经济关联进行解析。基于社会网络分析方法刻画单层网络结构,并将超网络方法引入分析“地区-行业”网络的层内和层间交互、合作和影响情况。结果表明:(1)基于企业组织测度的地区子网络区域内发展差距大、资源配置失衡,北京都市圈和石家庄都市圈地位突出,天津的辐射能力局限于市域范围内;(2)基于资本流通测度的行业子网络中,制造业、租赁和商务服务业、批发和零售业、金融业、科学研究和技术服务业影响突出;(3)超网络中的重要行业门类相似,北京、天津和石家庄各区县的相关指标均较高,但行业流出的资本更多地去往北京、天津而非石家庄。这些发现对于促进区域创新驱动协同发展具有重要价值。

数字资产超网络嵌入、生态场域资源拼凑与制造业服务模式创新——来自华为、海尔、京东、阿里的多案例研究

从数字资产超网络嵌入视角,遵循“资源行动-资源拼凑-价值实现”逻辑思路,采用多案例研究方法,解构工业互联网平台领先企业制造业服务模式创新的过程机理。研究发现,工业互联网平台领先企业在界面融合、交互赋能、协同演化机制支撑作用下,数字资产超网络嵌入制造业数字价值生态系统,在生态场域开展资源拼凑,完成机会捕获、知识整合及知识治理,实现制造业服务模式创新,表现为制造业架构服务模式创新及制造业孵化服务模式创新。探索面向制造业龙头企业、细分行业、区域集群场景的服务模式创新范式。相关研究丰富了制造业服务模式创新理论,为工业互联网平台领先企业服务制造业数字化转型提供重要实践启示。

基于加权超网络结构熵模型的软文营销质量评估——以校企合作A公司的微信公众号为例

在移动互联时代,软文营销蓬勃发展,如何度量、监控和预测软文营销的运营质量是目前研究的空白。以校企合作A公司的微信公众号为案例,以每一篇软文为超边,以每一篇软文的点赞人数为节点,以转发量和阅读量的比值为权重,建立软文营销加权超网络模型,采用超边超度结构熵来实时度量、监控和预测微信公众号运营质量水平,给A企业的软文营销策略提供参考。进一步,与微信指数(WCI)计算模型相比,基于每篇软文阅读量、转发量、点赞量、超网络加权超网络模型更具有科学性、客观性和实用价值。本文提出一种微信公众号运营实时数据驱动的度量微信公众号运营质量的新方法,并将统计过程质量控制的理念用于数字营销领域,旨为移动营销提供理论和实践上的参考。

模体超网络的构建方法及其特性分析

复杂网络是一门用来理解现实世界复杂系统并将其抽象成模型的综合性学科。随着社会的发展以及大数据时代的来临,传统复杂网络的构建方法已经无法满足人们对于现实复杂系统的刻画以及研究需求。超网络多元多维的特性能有效刻画一些现实世界中更复杂的系统。模体是复杂网络中频繁出现的子结构,它们广泛存在于生物网络、生态网络和社会工程网络中,是构成复杂网络的基本模块。本文重在研究基于三阶模体构建的超网络,首先回顾了基础的超图理论,然后给出了一种构建模体超网络的方法,最后对构建的超网络进行特性分析。

超网络视角下区域协同创新特征与模式——以济南都市圈数字产业为例

城市群是国家创新体系的空间组织形式,是区域发展战略实施的关键载体,研究城市群协同创新对国家创新驱动发展战略实施、区域协调发展战略制定均具有重要现实意义。从超网络视角进行城市群协同创新原理分析,以知识协同、主体协同、城市协同及其之间协同关系为研究对象,探究多元主体城市群协同创新结构特征、模式以及发展路径等。首先围绕城市群协同创新多主体、多维度、多要素、多层次的结构与特征,以数据挖掘为基础构建知识层协同网络,并延伸构建创新主体层面和城市层面协同网络,进而分析知识、主体、城市交互作用关系,将多层协同网络耦合建立城市群协同超网络模型,涵盖了知识、多元创新主体、城市子系统要素及其结构。经过上述理论分析,利用专利数据建立济南都市圈数字技术产业协同创新超网络模型,进行网络结构测度、创新关系刻画与单层网络、二模网络指标测度等研究,探讨了济南都市圈数字技术产业协同创新特征,并总结出济南都市圈数字技术产业协同创新的有效模式。最后,从空间、创新主体、知识供给等一体协同角度,提出加强顶层研发设计、推动产业链融通创新、激发产学研协同创新活力等对策建议。

超边约束的异质超网络表示学习方法

与普通网络相比,超网络具有复杂的元组关系(超边),然而现有的大多数网络表示学习方法并不能捕获元组关系。针对上述问题,提出一种超边约束的异质超网络表示学习方法(HRHC)。首先,引入一种结合团扩展和星型扩展的方法,从而将异质超网络转换为异质网络;其次,引入感知节点语义相关性的元路径游走方法捕获异质节点之间的语义关系;最后,通过超边约束机制捕获节点之间的元组关系,从而获得高质量的节点表示向量。在3个真实世界的超网络数据集上的实验结果表明,对于链接预测任务,所提方法在drug、GPS和MovieLens数据集上都取得了较好的结果;对于超网络重建任务,当超边重建比率大于0.6时,所提方法在drug数据集上的准确性(ACC)优于次优的Hyper2vec(biased 2nd order random walks in Hyper-networks),同时所提方法在GPS数据集上的ACC超过其他基线方法中次优的基于关联图的超边超边约束的异质超网络表示学习方法(HRHC-关联图)15.6个百分点。

基于集合约束的异质超网络表示学习

与节点之间仅具有成对关系的普通网络不同,超网络的节点之间还存在复杂的元组关系,因而现有的大多数普通网络表示学习方法不能有效地捕获复杂的元组关系。为此,提出一种捕获成对关系和元组关系的基于集合约束的异质超网络表示学习方法。结合团扩展和星型扩展,将抽象为超图的异质超网络转化成抽象为2-截图+关联图的异质网络。基于2-截图+关联图,采用感知节点语义相关性的元路径游走方法获取异质节点序列,并通过基于拓扑派生目标函数的模型训练异质节点序列上的成对关系,采用基于集合约束目标函数的模型,将与节点关联的超边集合融入到超网络表示学习中来训练节点之间的元组关系,从而获得高质量的节点表示向量。实验结果表明,对于链接预测任务,该方法的性能接近于其他最优基线方法;对于超网络重建任务,当超边重建比率大于0.7时,该方法在drug数据集上具有较优的性能,在GPS数据集上的平均性能超过其他最优基线方法16.2%。