图卷积融合计算时效网络节点重要性评估分析

摘要：

复杂网络节点的重要性度量与时间属性相关,经典静态网络模型弱化对节点交互时间属性的有效表征,将深度学习模型迁移到动态图数据上进行端到端系统建模,提出基于图卷积融合计算的时效网络节点重要性综合评估模型.通过超邻接矩阵集结时效网络结构特征的动态演化过程,利用图卷积神经网络框架融合计算节点邻域特征,分析节点时序演化重要性顺序结构,实现节点重要性综合排序.仿真实验结果表明,与基线方法相比,所提方法得到的Kendall'sτ值在所选网络数据集上均表现优良,体现出基于图卷积融合计算的时效网络节点重要性综合评估方法的有效性和优越性.

关键词：时效网络、关键节点识别、超邻接矩阵、图卷积神经网络、全局时序效率

所属期刊栏目：57

分类号：TP301.6(计算技术、计算机技术)

资助基金：安徽省自然科学基金资助项目;安徽省高校自然科学研究项目;国家电网有限公司总部科技项目

在线出版日期：2023-06-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：930-938