一种基于k-核的社会网络影响最大化算法

社会网络中影响最大化问题是指在特定传播模型下,获取一个指定大小的节点集合,使得该集合在网络中的聚合影响力最大.针对贪心算法运用于大规模社会网络时存在效率低下且不可扩展的问题,文中提出基于核数层次特征和影响半径的启发式算法——核覆盖算法(Core Covering Algorithm,CCA).该算法首先引入k-核概念,基于k-核分解求出每个节点的核数,然后根据核数分布的层次性,引入节点的影响半径参数,最后综合核数和度数两个属性,找出影响力节点集合.文中在两个数据集和两种传播模型上进行了实验,结果表明:(1)在传播概率较大的独立级联模型(Independent Cascade Model,IC)下,CCA能取得比现有启发式算法更优的影响效果;(2)在三价(TRIVALENCY Model,TR)模型下,CCA的表现也同样优于其他启发式算法;(3)与其他启发式算法相比,CCA的运行时间更少.

基于k-核的大规模软件宏观拓扑结构层次性研究

大规模软件宏观拓扑结构的层次性研究对软件体系结构的理解与控制具有重要作用.本文首先根据大量大规模开源软件结构的核数统计数据,发现其层次结构的扁平和相对稳定,并论述了以k-核分析大规模软件结构层次性的合理性.在此基础上,以Eclipse 3.4.2版本作为实证分析,对其进行了层次划分,分析了各层层内和层间连接关系,讨论了高层区域与低层区域的拓扑特征.最后,以Eclipse多个版本作为实证分析,从网络规模、度分布、小世界特征等方面对最高层结构演化进行了研究.

基于k-核解析的Internet路由级拓扑的分形特征

通过分析CAIDA Skitter项目授权的海量实测数据,研究了Internet路由级拓扑的分形特征.依据k-核解析的概念将Internet路由级拓扑分成不同的核,通过对各核的度分布、度相关性及聚集性等主要特征量进行分析,发现随着网络由外到内的逐层剪切,不仅度分布,而且聚类性质及相关结构也被保留了下来.这说明Internet路由级拓扑中存在着一种由外向内逐渐趋于网络中心的全局自相似性质,以及根据网络中心性定义的Internet的任意区域都有和整个网络拓扑相同性质的一种结构.Internet路由级拓扑具有分形特征.

复杂网络中k-核与网络聚集系数的关联性研究

选取复杂网络特征变量—聚集系数为研究目标,通过数学推导与证明,清晰描述了k-核与聚集系数的关联性。通过仿真实验证明,随着k-核的不断解析、k值的不断增加,网络聚集系数亦呈现逐步增加的趋势。该结论为k-核解析在复杂网络中的进一步应用提供相应的理论基础与指导。

基于K-核分析的中国啤酒品牌二分网络结构研究

以中国啤酒品牌为研究对象,构建了中国啤酒品牌的"市场-品牌"二分网络.并以K-核分析为研究方法,分析中国啤酒品牌的竞争格局.以此为基础,通过修改网络构建去除地域因素,得到中国啤酒品牌的竞争关系网.研究证明,一线城市多聚集大品牌,同一地区的大、小品牌间的竞争最为激烈,研究结果对品牌竞争格局的考察具有较好的适应性.当前市场竞争状况激烈,本文对啤酒企业洞察市场、调整发展战略、科学地进行决策具有重要意义.

基于k-核的大规模软件核心框架结构抽取与度量

对大规模开源软件结构层次性的实证分析发现其具有扁平层次结构特征.在此基础上,利用k-核对软件系统结构进行层次划分,抽取出软件系统的核心框架结构CFS(core frame structure);通过对CFS与其他层节点的加权连接度统计,发现CFS与其他层联系紧密,CFS的节点对其他层的节点有巨大影响.通过对CFS网络结构特征量的度量,发现CFS具有无尺度网络特征和小世界网络特征,体现了较高的软件复用程度,在软件系统整体结构中处于支配地位.

基于软件网络加权k-核分析的关键类识别方法

识别关键类可以帮助人们尽快理解不熟悉的软件系统.尽管目前已有一些关键类识别方面的工作,但是大部分方法构建的依赖图是无权的,未考虑类之间交互的种类及次数.有鉴于此,提出了一种基于软件网络加权k-核分析的关键类识别方法.首先,用加权类耦合网络抽象类(接口)、类(接口)间的交互及其次数;然后,引入加权k-核分解方法计算类的加权核数;最后,以加权核数作为类重要性的量度指标,降序排列所有类,并通过过滤得到候选关键类.真实软件上的数据实验验证了本文方法的有效性.

融入K-核迭代因子的重叠社区发现算法

基于局部扩展的重叠社区发现算法,利用社区的局部扩展特性可有效扩展出重叠社区,但是现有算法存在划分结果不稳定和准确性较低等问题,因此提出了一种基于K-核迭代因子和社区隶属度的重叠社区发现算法。该算法引用K-核迭代因子的思想,并且与节点密度值相结合,量化节点的影响力,找出节点影响力最大的节点,提高种子节点选择的稳定性和准确性;同时以影响力大的节点为种子节点,通过节点影响力计算得到邻接节点的社区隶属度,根据社区隶属度选择性地添加邻接节点进行社区扩展,提高社区发现的质量。在人工网络图和真实数据集上进行实验,结果表明所提的算法与现有的算法比较具有较高的稳定性和准确性。

K-核分解的虚拟网络映射算法

网络虚拟化是解决现有僵化网络结构的一项重要技术,如何有效地进行虚拟网络映射是其面临的关键问题.针对要求即时响应的虚拟网络请求,分析了基于网络位置属性的节点重要性排序,定义了底层网络节点中继能力,并提出了基于K-核分解的虚拟网络映射算法.该算法首先按照节点中继能力大小构建并周期性更新中继传输子网,然后在简化后的底层网络上进行虚拟网络映射,降低了资源映射的复杂度.仿真实验结果表明,与现有的主流研究成果相比,该算法显著地减少了虚拟网络请求响应时间.

一种新的改进的加权k-核分解方法

k-核分解算法是一种优秀的评估复杂网络节点重要性的方法,然而该方法对于复杂网络节点的排序还存在一些问题。本文提出了一种改进的加权k-核分解算法,通过改进节点加权度的计算对已提出的方法进行改进。然后在四个真实网络上利用SIR传染病模型进行了实验仿真。实验结果表明,改进后的算法比原有方法在评估节点重要性方面更具有优越性。

基于k-核解析的地震活动网络特征分析

根据地震活动表现出的网络动力学行为和地震系统所具有的时空复杂性,从复杂网络的角度分析地震活动.采用基于时空影响域的地震网络构造方法,对地震网络进行k-核解析.实验结果表明,对地震网络进行k-核解析得到的最高核的节点彼此聚集在一起.通过分析最高核节点与大地震的位置关系,发现大地震发生的地点与最高核节点所在的位置相邻.在一些大地震发生前,地震网络的最高核数会迅速增加,在大地震发生时最高核数达到最大值,大地震发生后最高核数又恢复到稳定状态.地震网络的k-核解析为我们分析地震系统和研究地震的发生规律提供了一种新的途径.

基于k-核过滤的社交网络影响最大化算法

针对现有社交网络影响最大化算法影响范围小和时间复杂度高的问题,提出一种基于独立级联模型的k-核过滤算法。首先,介绍了一种节点影响力排名不依赖于整个网络的现有影响力最大化算法;然后,通过预训练k,找到对现有算法具有最佳优化效果且与选择种子数无关的k值;最后,通过计算图的k-核过滤不属于k-核子图的节点和边,在k-核子图上执行现有影响最大化算法,达到降低计算复杂度的目的。为验证k-核过滤算法对不同算法有不同的优化效果,在不同规模数据集上进行了实验。结果显示,应用k-核过滤算法后:与原PMIA算法相比,影响范围最多扩大13.89%,执行时间最多缩短8.34%;与原核覆盖算法(CCA)相比,影响范围没有太大差异,但执行时间最多缩短28.5%;与Out Degree算法相比,影响范围最多扩大21.81%,执行时间最多缩短26.96%;与Random算法相比,影响范围最多扩大71.99%,执行时间最多缩短24.21%。进一步提出了一种新的影响最大化算法GIMS,它比PMIA和IRIE的影响范围更大,执行时间保持在秒级别,而且GIMS算法的k-核过滤算法与原GIMS算法的影响范围和执行时间差异不大。实验结果表明,k-核过滤算法能够增大现有算法选择种子节点集合的影响范围,并且减少执行时间;GIMS算法具有更好的影响范围效果和执行效率,并且更加鲁棒。

加权网络中基于冗余边过滤的k-核分解排序算法

k-核分解排序法对于度量复杂网络上重要节点的传播影响力具有重要的理论意义和应用价值,但其排序粗粒化的缺陷也不容忽视.最新研究发现,一些真实网络中存在局域连接稠密的特殊构型是导致上述问题的根本原因之一.当前的解决方法是利用边两端节点的外部连边数度量边的扩散性,采取过滤网络边来减少这种稠密结构给k-核分解过程造成的干扰,但这种方法并没有考虑现实网络上存在权重的普遍性.本文利用节点权重和权重分布重新定义边的扩散性,提出适用于加权网络结构的基于冗余边过滤的k-核分解排序算法:filter-core.通过世界贸易网、线虫脑细胞网和科学家合著网等真实网络的SIR(susceptible-infectedrecovered)传播模型的仿真结果表明,该算法相比其他加权k-核分解法,能够更准确地度量加权网络上具有重要传播影响力的核心节点及核心层.

基于k-核分解的在线社交网络精准营销新客户识别研究

在线社交网络精准营销是现代营销理论的重点发展方向。文章以新浪微博用户作为研究对象,分析用户微博文本内容信息,创建微博用户交互内容数据库。运用复杂网络分析方法构建加权用户关系网络。最后,基于潜在用户价值分析,采用改进的k-核分解方法实现在线社交网络新客户识别。该方法兼顾文本内容信息和用户影响力因素,精准识别在线社交网络中的新客户,实现企业精准化营销对象发现。

基于K-核分层分解的“知识服务”研究主题层次探析

[目的/意义]旨在丰富已有的主题分析方法,探索知识服务领域的研究主题层次,分析当前知识服务的研究主题和热点。[方法/过程]首先,从知网获取数据构造关键词网络表示知识服务研究方向的主题关系;然后,运用Ucinet和Netdraw软件利用K-核分层分解法将关键词网络分解成壳;最后,根据每个壳的密度和聚类系数,将相似壳合并成基本层、中间层、细节层、边缘层四个层,从而揭示知识服务研究的具体研究主题和内容。[结果/结论]研究发现基础层27个关键词代表了该领域最具影响力的概念,中间层作为连接基础层和细节层的媒介,既是基础层概念的细化,又是细节层子簇的父节点。通过K-核分层分解方法能够较好的揭示知识服务领域的研究主题层次和演化方向。

复杂网络中最小K-核节点的传播能力分析

K-核分解方法对于识别复杂网络传播动力学中最重要节点具有重要的价值,然而该方法无法对复杂网络中大量最小K-核节点的传播能力进行准确度量.本文主要考察最小K-核节点的传播行为,利用其邻居的K-核信息,提出一种度量这类节点传播能力的方法.实证网络数据集的传播行为仿真结果表明,该方法与度、介数等指标相比更能准确度量最小K-核节点的传播能力.

Clifford分析中一类具有加权k-正则核的奇异积分算子的性质

首先定义了Clifford分析中一类具有加权k-正则核的奇异积分算子,然后讨论了这个算子的一致有界性,给出了几个重要的不等式,并用这些不等式证明了这个算子的H?lder连续性,最后证明了这个算子的γ次可积性.这些结论为研究相关偏微分方程的边值问题奠定了基础.

基于K-核的科研合作网络凝聚性特征分析

科学分析科研合作网络潜在的凝聚性特征,是培育与建设稳定的高水平科技创新团队的首要条件.K-核分析方法是研究社会网络层次结构,探究网络子群团聚度的有效方法.本文以某省属普通高校为例,基于CNKI的四大类来源期刊及SIPO发明专利数据,构建基于论文共发表和专利共发明的科研合作网络,然后引入K-核模型分析方法,对网络的凝聚性特征进行分析.研究结果表明:科研合作网络节点的团聚度呈现Piossion分布特征;核心成员规模分布在4左右的团体合作最多;跨学科合作主要分布在网络的边缘区域,而核心区域的跨学科合作则比较罕见;位于网络核心区域的节点主要为应用工程类学科的成员.通过该方法分析科研合作网络的凝聚性特征,能够为组织遴选和培育稳定的高水平科研核心团队提供帮助与指导.

基于产业网络的K-核关联结构识别关键产业群——以“鲁粤”二省为例

采用产业网络上的K-核关联结构方法识别关键产业群,通过关键产业群的产业关联强度与产业关联结构两方面异质性来进行"鲁粤"二省产业结构的区域比较。依据产业网络理论,归纳了关键产业群的形成与作用机理,提出了关键产业群识别的"k-核度基准"识别方法并设计了相应指标体系,并对"鲁粤"二省关键产业群做了实证和比较分析。研究结果表明:"鲁粤"二省关键制造业群、生产性服务业以及能源工业等关键产业群构成上差异明显;两省关键产业群的"集聚效应"与"扩散效应"等产业关联特征表现恰好相反;而在关键产业群对地区国民经济的影响上看,"鲁粤"二省均呈现出制造业的总体影响较大,而生产性服务业的总体影响较小的特征。

基于K-核塌缩序列的社会化资源推荐中核心用户发现研究

【目的】通过对社交网站平台用户行为的分析,发现社会化小众群体中的核心用户,为社会化资源推荐服务提供参考。【方法】收集豆瓣读书用户的1 208个标签,对排名前100位的标签建立标签共现矩阵,分析用户的K-核网络结构,研究用户的K-核塌缩序列的波动情况。【结果】与度数中心度、最小K-核深度值等方法相比,基于K-核塌缩序列方法发现了新的社会化小众群体中的核心用户。【局限】样本数据规模较小且局限于某领域,排序问题不能得到很好的解决,需要进一步改进K-核分析方法。【结论】本研究有利于社交网站平台的管理者制定或改进新的资源推荐策略,从而促进社交网站平台更好地发展。