【技术实现步骤摘要】
基于误差重构的节点重要性评估方法
本专利技术涉及复杂网络
，尤其涉及一种基于误差重构的节点重要性评估方法。
技术介绍
有效识别关键节点是复杂网络中一个基本问题，且有着广泛的应用。网络关键节点是指相比网络中其他节点而言能够在更大程度上影响网络的结构或功能的一些特殊节点。例如，对网络的关键节点和关键链路进行冗余备份能够增加网络的容错抗毁性且有效提高网络的鲁棒性。此外，人们可以通过优化使用有限的资源以促进信息的传播，识别社交网络或社区中有影响力的用户和传播者，现有技术中有一种APRank的迭代算法，用他们之间的多重关联来衡量作者和出版物的影响，从而有效区分声望和受欢迎程度。目前为止，已经提出了大量评估关键节点的方法，如度中心性，介数中心性、接近度中心性，特征向量中心性等。其中，度中心性是一个较为直接的指标，但通常情况下不太重要或不太正确，类似的指标包括LocalRank、接近度和H指数等。现有技术研究了度、核心度和H指数三种简单但重要的网络中心性度量指标之间的数学关系。基于路径的中心性，如接近度中心性和介数中心性是一种全局性度量指标，能够更有效的识别网络中的关键节...
【技术保护点】
1.一种基于误差重构的节点重要性评估方法，其特征在于，具体包括以下步骤：S1、以网络连接的稀疏矩阵作为输入，通过网络表示学习的Node2Vec算法计算网络节点特征表示矩阵X；S2、根据网络节点特征表示矩阵X构造多尺度网络；S3、对步骤S2中构造的不同尺度下的网络，根据重构误差模型计算各个尺度下网络节点的两种重构误差显著性，两种重构误差显著性为稀疏重构误差显著性与稠密重构误差显著性；S4、整合不同尺度下的两种重构误差显著性；S5、对两种重构误差显著性，根据加权融合算法，计算融合后的重构误差显著性并作为最终衡量节点显著性程度的指标。
【技术特征摘要】
1.一种基于误差重构的节点重要性评估方法，其特征在于，具体包括以下步骤：S1、以网络连接的稀疏矩阵作为输入，通过网络表示学习的Node2Vec算法计算网络节点特征表示矩阵X；S2、根据网络节点特征表示矩阵X构造多尺度网络；S3、对步骤S2中构造的不同尺度下的网络，根据重构误差模型计算各个尺度下网络节点的两种重构误差显著性，两种重构误差显著性为稀疏重构误差显著性与稠密重构误差显著性；S4、整合不同尺度下的两种重构误差显著性；S5、对两种重构误差显著性，根据加权融合算法，计算融合后的重构误差显著性并作为最终衡量节点显著性程度的指标。2.根据权利要求1所述基于误差重构的节点重要性评估方法，其特征在于，步骤S1中，网络节点特征表示矩阵X的形式为：X＝[x1,x2,...,xN],X∈RD×N式中，D是特征维数，N是网络中的节点个数。3.根据权利要求1所述基于误差重构的节点重要性评估方法，其特征在于，步骤S2具体包括：S21、初始化网络的规模为N；S22、由Kmeans聚类算法对网络节点特征表示矩阵X进行0.95N、0.9N、0.85N、0.8N的四种尺度的聚类，计算每个网络节点所属模块区域；S23、统计每个模块区域中的网络节点，将网络中所属模块区域中网络节点特征表示的均值作为本模块区域的特征表示；S24、构造不同尺度下的网络特征矩阵。4.根据权利要求1所述基于误差重构的节点重要性评估方法，其特征在于，步骤S3具体包括：S31、提取各个尺度下网络节点中不重要的节点分别构为对应的背景模块B；S32、由稀疏重构和稠密重构两种模型对各个尺度下的网络进行重构，计算各个尺度下网络的两种重构误差显著性；S33、计算用于衡量相邻节点间传播影响的传播重构误差显著性。5.根据权利要求4所述基于误差重构的节点重要性评估方法，其特征在于，步骤S31中，所述不重要的节点在网络结构中位于网络边缘的节点，使用Kshell分解法对网络进行分解，选取位于网络边缘的节点为背景节点并构成背景模块B。6.根据权利要求4所述基于误差重构的节点重要性评估方法，其特征在于，步骤S32中，计算两种重构误差显著性具体包括：S321、构造稀疏重构模型，求取稀疏重构系数α与稀疏重构误差显著性εs：式中，xi是节点i的特征表示，B是对应尺度网络背景节点构成的特征矩阵，αi是节点i的稀疏重构系数，λ是L1正则化系数，是节点i...
【专利技术属性】
技术研发人员：朱先强，郭园园，朱承，周鋆，黄金才，林福良，丁兆云，闫晶晶，
申请(专利权)人：中国人民解放军国防科技大学，
类型：发明
国别省市：湖南,43
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。