社会网络中关键节点的识别——基于符号网络的PageRank算法改进

摘要：

[目的]针对PageRank算法在符号网络中的局限性,提出其改进算法,以识别社会网络中的关键节点.[方法]基于符号网络的相关理论,将PageRank算法与点度中心性相结合,提出KeyRank算法,并对Slashdot网站的用户数据进行分析,以获取用户的KeyRank算法排名.[结果]PageRank算法排名、入度排名、M-PR算法排名与KeyRank算法排名在统计学意义上呈中度正相关.[局限]KeyRank算法忽略了每次迭代时正、负链接的相互作用.[结论]传统算法与KeyRank算法在节点排序上存在差异,说明链接的符号属性对排序结果产生了重要影响,改进算法具有一定的理论和实践意义.

关键词：符号网络、关键节点、PageRank算法、点度中心性

所属期刊栏目：1

分类号：TP301.6(计算技术、计算机技术)

在线出版日期：2017-11-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：68-75