基于决策者感知LeaderRank算法的复杂工程支配网络项目排序研究

基于复杂工程项目支配网络,将项目节点的网络特征及决策者感知纳入项目排序系统,提出基于决策者感知LeaderRank算法的项目排序方法。从理论上阐述传统LeaderRank算法中的地面节点代表项目决策者的模拟机制;结合项目实际,构建项目节点初始重要性设置及基于决策者感知的项目重要性分配规则,对项目重要性进行综合度量。并通过两个实例,将该方法与PageRank算法,LeaderRank等算法进行对比,证明该方法区分度更高,更能满足项目管理需求。

基于LeaderRank的意见领袖发现模型及其应用

[目的/意义]随着网络和社交媒体的发展,网络"意见领袖"在网络社区的信息传播和交流中发挥着越来越重要的作用,在社会生活的各个方面对网络民意产生巨大的影响。因此,识别网络"意见领袖",掌握其特征和规律成为了网络信息传播研究的重要方面。[方法/过程]在PageRank思想的基础上,利用文本的TF-IDF计算网络社区用户节点的连接强度,以此改进PageRank算法,提出一种LeaderRank方法用来评价网络社区用户节点的重要度,并结合其他指标及BP神经网络进行"意见领袖"的发现实验以及进一步的数据挖掘工作。[结果/结论]实验结果表明,该方法相较于神经网络具有更高的识别率,该方法可以灵活配合其他指标和方法使用,具有更好的适用性、扩展性和稳定性。

基于LeaderRank的多标签传播重叠社区发现算法

针对多标签传播重叠社区发现算法COPRA存在的随机性强、鲁棒性差等问题,提出一种基于多标签传播思想的重叠社区发现算法。该算法通过LeaderRank算法来量化网络中节点的重要性,再根据量化值大小对节点进行团扩展,得到可重叠的最具重要性的粗糙团,分别对粗糙团和非粗糙团中的节点进行标签初始化,再通过合理的标签迭代顺序和改进的标签删选策略进行标签更新,直到达到标签传播的终止条件结束迭代过程。在人工网络图和真实数据集上进行实验,结果表明所提算法不仅有效地增强了社区发现结果的稳定性,同时也提高了准确率。

LeaderRank与PageRank算法比较研究

确定复杂网络中节点的影响力对于网络上信息传播及网络营销等具有重要的价值。Page Rank算法和LeaderRank算法是两种著名的对复杂网络中节点进行重要性排序的算法。分别使用这两种算法对斯洛伐克最流行的在线社会网络Pokec中的用户进行了重要性排序。与度中心性指标排序结果进行对比,分析了这种排序结果出现的原因。并使用经典的疾病传播模型SIR模型对这两种算法进行了信息传播的仿真模拟,仿真结果显示LeaderRank算法用于在线社会网络节点重要性排序效果更好。

基于改进LeaderRank算法的电网连锁故障关键线路辨识方法

针对现有连锁故障关键线路辨识方法在具体量化单元作用及方法复杂度上的不足,结合复杂网络理论结构分析方法与电网连锁故障后果近似分析方法,提出一种基于改进LeaderRank算法的关键线路辨识方法。首先,介绍了原LeaderRank算法,并指出其直接应用于电网关键线路辨识的不足所在;然后,针对原算法不足之处,提出基于线路量化关系的电网衍生网络以及利用小概率事件近似简化的事故链模型;最后,基于上述模型构建改进LeaderRank算法,对电网关键线路进行辨识。IEEE39节点系统与实际系统仿真实验表明,经小概率事件近似简化处理的连锁故障模型计算效率大幅提高,且结合LeaderRank算法能更全面反映单元在系统中的作用,即包括系统结构关系,线路单元受影响程度及线路单元断开造成后果,验证了所提算法的合理性与有效性。该分析方法基于复杂网络理论将电网拓扑结构转化为电网衍生网络,结合简化事故链模型,不仅反映了线路断开造成后果的严重程度,更反映了线路自身的脆弱性,可综合衡量一条线路在电网中的关键程度。

基于Leaderrank的高拱坝场内施工道路复杂网络重要节点挖掘与分析

高拱坝施工道路是保证高拱坝工程顺利实施的重要条件之一,由于其所处的环境较为复杂,不确定性因素很多,使得施工道路经常受到损坏。为使施工道路受到损坏后尽快恢复其应有的功能和运输强度,应用复杂网络理论,根据高拱坝施工场地特征,建立了高拱坝场内施工道路网络模型,并采用Leaderrank算法对道路网络的重要节点进行挖掘和验证。最后,运用工程实例,建立了一个具有23个节点的施工道路网络模型,通过对网络模型特征进行分析,并经节点失效验证,发现重要节点排序结果符合高拱坝施工道路实际情况。研究结果可以为高拱坝施工道路管理、抢修提供理论依据。

基于LeaderRank和节点相似性的多标签传播重叠社团挖掘算法

针对基于多标签传播重叠社团挖掘算法COPRA因随机更新策略带来的不稳定性以及需要预先输入参数的局限性等问题,提出一种基于LeaderRank和节点相似性的多标签传播重叠社团挖掘算法.该算法首先利用LeaderRank算法对网络中的节点进行重要性排序从而确定节点的更新顺序,减少标签不必要的更新.在标签传播过程中,根据节点相似性重新设计标签的更新策略,提高算法的稳定性.将算法应用于人工网络和真实网络中进行实验,实验结果表明该算法在挖掘重叠社团上具有较高的准确性和稳定性.

改进LeaderRank算法的意见领袖挖掘

意见领袖挖掘是社会网络研究的重要课题,对于舆情控制、信息传播等方面具有重要意义。Leader Rank算法是一个有效的意见领袖挖掘算法。为提高Leader Rank算法的准确性和抗干扰能力,在Leader Rank算法基础上,加入用户之间的情感倾向、用户活跃程度,提出了改进的Leader Rank算法。基于SIR模型的实验验证表明,改进算法的准确性和抗干扰能力均得到了有效提升。

基于LeaderRank的标签传播社区发现算法

针对标签传播算法(LPA)结果的不稳定性,提出一种改进的基于标签传播的社区发现算法。该算法引入LeaderRank的概念来量化网络节点的影响力和重要性;然后按照节点重要程度从高到低选择若干核心节点;最后按照顺序分别以每个核心节点为中心向外逐层进行标签更新,直到不再出现标签变化为止,从而解决了原始算法对节点随机排序造成的结果不稳定性。以LFR基准网络和真实网络为实验数据,与几个现有标签传播算法进行比较,社区划分结果的标准化互信息(NMI)和模块度(Modularity)均高于对比算法。理论分析和实验结果表明所提算法不仅有效地增强了社区发现结果的稳定性,同时提高了准确率。

基于加权LeaderRank的用户社交网络排序算法

针对加权LeaderRank算法存在的权值均分、主题漂移等问题,提出一种用户社交网络排序算法。结合GloVe模型、余弦相似度计算方法和牛顿冷却定律,通过引入链入链出因子、主题相关度因子和时间衰减度因子,改善加权LeaderRank算法的不足。实验结果表明,与加权LeaderRank算法相比,该算法的精确率、点击率和NDCG值分别提高7.80%、6.73%和4.75%,可有效提高排序质量。

基于改进LeaderRank算法的高速铁路网络关键站点识别方法研究

综合运用多种方法研究了高铁网络关键站点的识别问题,分别基于站点度值、站点介数及改进LeaderRank算法识别了高铁网络中的关键站点,采用改进SIR模型模拟关键站点列车运行晚点后全网站点列车的运行晚点情况,结合晚点情况对比分析了不同关键站点识别方法的准确性及有效性。研究结果表明,改进LeaderRank算法能有效克服传统识别方法的局限性,综合利用站点局部信息及网络全局信息进行关键站点的识别,发现2030年中国高铁网络中最重要的站点是长沙,最重要的地区是西南地区。快速有效地对关键站点进行识别和防护,对于保证网络的正常运营及提高网络应对威胁的能力具有重要意义。

基于LeaderRank的重叠社区发现算法

在真实的社交网络结构中常常存在着社区相互重叠的现象,发现社交网络中的重叠社区有利于研究网络特性,反映网络中的真实情况。针对多标签传播重叠社区发现算法COPRA存在的随机性,导致社区发现结果稳定性差等问题,提出一种结合节点重要性的标签传播算法。该算法首先采用LeaderRank计算出网络中各个节点的重要性,选择重要性高的节点进行团扩展作为标签初始阶段的预处理,采用合理的标签更新顺序以防止抵消预处理阶段的工作,后期引入贡献度来弱化标签选择阶段的随机性,在基准网络和真实网络上的实验结果表明本文算法提高了社区发现结果的质量。

融合LeaderRank和标签传播的社区发现算法

由于社会网络的日益复杂,具有线性时间复杂度的标签传播算法越来越被广泛的运用,然而在标签传播过程中存在随机性,致使社区划分不稳定。因此,对节点标签初始化、节点更新顺序和节点标签传播选择过程这三个方面改进,提出一种稳定性较高的标签传播算法。该方法引入LeaderRank算法计算节点影响力,在此基础上选取关键节点并为这些关键节点赋予标签,节点更新顺序依据于节点影响力由高到低更新,在标签传播过程中考虑节点之间的传播能力。采用真实网络数据进行实验,和传统算法相比,论文算法在相关质量指标上均有优势。

基于LeaderRank的社区及核心节点发现算法研究

LeaderRank算法是一种高效的网络节点排名算法,已在相关领域得到了有效应用。本文基于LeaderRank提出一种新的核心节点识别算法,并给出Python实现方案。根据节点的影响力选择一些节点作为候选核心节点,若候选核心节点所在的社区满足弱社区定义,则该候选核心节点为核心节点。在人工网络和karate网络上的实验表明,本文算法可以较好地识别出核心节点和对应社区。

融合层次分析与LeaderRank算法的数字治理平台人物识别研究

[目的/意义]在数字治理中,数字治理平台的公民代表识别和核心工作人员识别是一个十分重要的研究课题。政府与公民代表沟通可以更精准地服务群众,使决策更加科学可靠。核心工作人员识别有助于优化平台组织结构,推广数字治理经验,提高数字治理效率。[方法/过程]本文从用户属性、信息交互、网络结构三个方面,利用层次分析法结合LeaderRank算法计算数字治理参与度,用于识别公民代表和核心工作人员。[结果/结论]构建了一个参与度评判指标,用于识别公民代表和核心工作人员,并提出提高公民参与数字治理,提高政府人员数字治理能力,推进未来在线协商共治的建议。

利用LeaderRank识别有影响力的作者

【目的】识别研究领域内有影响力的作者。【方法】将Leader Rank用于合作网络测度作者影响力,通过不同的加权算法探讨合作次数和被引频次对重要作者排序的影响,在此基础上整合两个指标提出CW_LR算法,从合作和引用两个维度识别有影响力的作者。【结果】CW_LR算法与被引频次有相关性,但与被引频次或其他几种加权方法相比,识别出有影响力的作者与业界公认的更为一致。【局限】只在"信息计量学"领域进行实证,后续将该方法扩展到其他领域进一步验证其有效性。【结论】同时考虑合作关系强度和引用影响力,从合作和引用两个维度能更准确地识别出有影响力的作者。

计及节点-线路重要度的配网实时健康状态评估

随着大量分布式光伏的接入,配电网运行状态变得更为复杂。为准确的评估配电系统实时健康状态,提出一种计及网络节点与线路重要度的配电网实时健康状态评估方法。首先,考虑光伏接入网络最优潮流、负荷重要性和某节点停运后的负荷损失对LeaderRank算法进行改进,考虑某节点停运后的功率损失和节点LR值对负荷矩算法进行改进,利用改进的电气LeaderRank算法和线路负荷矩算法对配电网中节点与线路重要度进行评估;然后,基于配电设备运行的电气量与非电气量参数分别计算配电节点与线路的健康指数。综合考虑配电网中节点与线路的健康度和重要度计算配电网的健康指数,判断配电网的健康状态。最后,以某地10 kV配电网为例,得到其健康指数为2.2663,处于一般缺陷状态,适当提高该配电网中分布式光伏渗透率,其健康状态有所改善,证明所提方法的有效性与合理性。

合著者网络中的网络排名算法

为更加全面地评价一个作者在合著者网络中的影响力,借鉴已有的网页网络排名算法,提出了以H-因子为初值的New-LeaderRank算法,并以Paul Erdos合著者网络为例进行实证分析.与网页排名算法PageRank和社会网络排名算法LeaderRank对比分析,结果表明:New-LeaderRank算法能综合考虑某作者与其合著者的合作次数以及这些合著者对该作者的影响,为合理评价某作者在合著者网络中的影响力提供了一种途径.

基于复杂网络的化工过程层次符号有向图模型建立及关键节点识别

针对定性符号有向图(signed directed graph,SDG)在化工过程系统中建模复杂度高、故障分辨率低、容易忽略部分变量等问题,提出一种基于复杂网络理论构建层次SDG网络模型并识别关键节点的方法。首先利用层次分析法对化工过程系统划分递阶层次结构,建立基于子系统的系统SDG网络模型,选取度中心性、接近中心性等多个节点重要性评价指标,采用主成分分析法确定各指标权重并利用逼近理想排序法(technique for order preference by similarity to an ideal solution,TOPSIS)多属性决策方法得到节点重要性的综合评价值,初步识别关键节点所在的子系统;然后建立子系统的SDG模型并细化为有向网络,采用Leader Rank算法对节点重要性进行排序,进而在子系统网络模型中确定关键节点的位置。案例计算结果表明该方法可以有效地降低建模的复杂性,提高关键节点识别的全面性和准确性,从而改善化工过程系统的安全稳定性。

基于节点重要性和局部扩展的重叠社区发现算法

在DOCNet算法基础上,对初始节点选取和节点隶属度计算方法进行改进,形成一种新的重叠社区发现算法DOCLLE。首先采用经典重要性排名算法LeaderRank对节点重要性进行排序,选取出重要性最高的节点及其邻节点组成初始社区。另外结合局部相似度概念重新定义节点隶属度,最后通过质量函数将符合标准的节点加入到已有社区。算法在人工生成网络和真实网络上进行实验,并对比了四种重叠社区发现算法,实验结果表明该算法在节点较多的社区结构划分上有较好的准确性和稳定性。