一种基于影响力预测的节点排序模型
节点影响力排序一直是复杂网络研究的热点问题.Susceptible-Infected-Recovered(SIR)模型是一种较为理想的节点影响力排序方法,业内常将其用于评价其他的节点影响力排序方法,但该方法时间复杂度较高,难以实际应用.文中提出一个基于sir值学习的节点影响力排序模型,模型综合节点的局部和全局结构信息描述节点特征,利用机器学习方法构建sir值学习模型,以构建的同等规模网络的节点特征和sir值对模型进行训练,训练后的模型能够基于节点特征预测节点的sir值,进而实现节点影响力排序.文中基于该模型实现了一个具体的节点影响力排序方法,并在真实数据集上进行了实验,结果表明,基于该模型得到的影响力排序结果,其准确性和单调性相比度中心性、Kshell、Weighted Kshell degree neighborhood等基于结构特征的方法均有所提升.
复杂网络、节点影响力、SIR、影响力排序
50
TP391(计算技术、计算机技术)
国家自然科学基金;中原科技创新领军人才计划
2023-03-22(万方平台首次上网日期,不代表论文的发表时间)
共9页
155-163