一种复杂网络中有影响力传播者识别方法技术

本发明专利技术提出了一种复杂网络中有影响力传播者识别方法，包括：S1，将第一判断分数降序排列；第一判断分数包括：H

【技术实现步骤摘要】
一种复杂网络中有影响力传播者识别方法


[0001]本专利技术涉及网络信息挖掘
，尤其涉及一种复杂网络中有影响力传播者识别方法。

技术介绍

[0002]复杂网络在现实生活中无处不在，如社交网络、生物分子网络、引文网络、交通运输网络，然而往往只有一部分节点才能对这些网络产生较大影响，若移除这些节点，将会导致这些网络的崩溃。近年来，识别一组有影响力的节点已经引起了复杂网络科学界的广泛关注，对于真实网络应用如信息传播，流行病控制，谣言控制，病毒营销，逮捕犯罪网络的关键嫌疑人、防止电网的灾难性中断和都具有重大意义。
[0003]大量基于网络的拓扑结构的经典中心性方法用于识别网络中的关键节点，如度中心性(Degree Centrality)、接近中心性(Closeness Centrality)、介数中心性(Betweenness Centrality)，特征向量中心性(Eigenvector Centrality)。度中心性计算节点的直接邻居数量，认为节点的邻居越多，节点也就越重要，但该中心性仅考虑了节点的局部信息。接近中心性计算的是一个节本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种复杂网络中有影响力传播者识别方法，其特征在于，包括：S1，将第一判断分数降序排列；第一判断分数包括：H
‑
index；S2，第二判断分数降序排列；第二判断分数包括：VoteRank；S3，选择第一判断分数最大且第二判断分数最高的节点，并覆盖掉该节点和其邻居节点；若第一判断分数最大且相同的情况下有多个第二判断分数相同的节点，则随机选择一个节点；S4，判断选择的节点数量是否满足所设定值，若是，则执行下一步，若否则执行步骤S3；S5，选择完毕，得到选择的节点集。2.根据权利要求1所述的一种复杂网络中有影响力传播者识别方法，其特征在于，当第一判断分数为H
‑
index，第二判断分数为VoteRank时，所述有影响力传播者识别方法包括以下步骤：S1，计算每个节点的H
‑
Index值，按H
‑
Index值降序排列；S2，根据VoteRank算法计算每个节点的投票分数，按投票分数降序排列；S3，选择H
‑
Index值最大且VoteRank值最大的节点，并覆盖掉该节点和其邻居节点；若最大且相同的H
‑
Index值中有多个VoteRank值相同的节点，则随机选择一个节点；S4，判断选择的节点数量是否等于所设定的数量，若是，执行下一步骤；若否则跳转执行S3；S...

【专利技术属性】
技术研发人员：刘小洋，叶舒，赵正阳，
申请(专利权)人：重庆理工大学，
类型：发明
国别省市：