基于排序学习的复杂网络节点接近中心性近似排序
随着网络规模的增大,节点接近中心性的精确算法效率越来越低.本文提出一种基于RankNet排序学习算法的模型以快速逼近复杂网络节点接近中心性排序.首先通过相关性分析得到与接近中心性呈正相关的节点重要度指标作为模型的输入特征,然后在给定网络中随机选取节点子集用于模型的训练样本数据.在一个真实航空网络数据集和典型的复杂网络模型上对提出的模型进行了验证,实验结果表明基于RankNet排序学习算法的模型能够在一定程度上降低计算时间复杂度,而且保持了较高的近似准确性,所提出的模型排序效果明显优于采用回归学习的基准模型.
复杂网络、节点排序、排序学习、接近中心性、航空网络、社区发现、机器学习
31
TN913;TP301.6;TP181
国家重点研发计划2019YFB1704401
2022-11-16(万方平台首次上网日期,不代表论文的发表时间)
共6页
387-392