基于模体信息的复杂网络关键节点挖掘的方法技术

本发明专利技术公开了一种基于模体信息的复杂网络关键节点挖掘的方法，包括：一、建立网络模型；二、寻找网络中的模体结构；三、节点重要性识别。本发明专利技术通过结合模体理论和节点局部邻居度挖掘来综合评估节点的重要性，提出一种整合个体层次和介观层次对网络节点重要性进行识别的方法。模体结构是相较于随机网络中频繁出现的小规模子图，相较于传统的宏观和微观重要节点识别方法，在节点重要性识别分析中加入模体这种网络中广泛存在的中观结构信息，可以更加精确的对网络进行分析。通过融合模体信息可以揭示模体结构对网络特定节点和功能的影响，本发明专利技术从介观层面剖析网络的结构特征，结果可以作为研究和分析复杂系统动力学的辅助工具。以作为研究和分析复杂系统动力学的辅助工具。以作为研究和分析复杂系统动力学的辅助工具。

【技术实现步骤摘要】
基于模体信息的复杂网络关键节点挖掘的方法


[0001]本专利技术涉及复杂网络关键节点挖掘
，具体为一种基于模体和局部邻居度的复杂网络关键节点挖掘的方法。

技术介绍

[0002]重要节点识别是复杂网络分析的一个重要研究方向，具有重要的现实意义。21世纪以来，重要节点识别逐渐成为许多领域研究的热点，如生物学家通过研究线虫神经网络可以寻找到具有功能意义的区域；通过科研合作网络分析，发现真正具有影响力的学者；通过对疾病传播网络的关键传播者的研究，能够对疾病的发展预测及控制提供很大的帮助；通过对电力网络进行分析，可以挖掘出具有重要作用的电力节点加以保护，从而避免出现电力级联故障等现象。此外，关键节点识别在广告传播以及生态物种保护等方面也都有非常重要的应用。
[0003]目前最常见的衡量节点重要性的方法大多是基于网络的结构信息，其又可分为基于局部信息的中心性算法，如度中心性方法；以及基于全局结构信息的方法，如介数中心性和接近中心性；其次还有基于迭代的节点重要性算法如PageRank算法等；最后还尚有基于节点移除、渗流以及基于多指标综合的方法。本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于模体信息的复杂网络关键节点挖掘的方法，其特征在于：包括如下步骤：步骤一、建立网络模型基于无向无权网络，用G＝(V,E)表示网络的网络结构，V表示网络中的节点集合，E表示网络中边的集合，其中|V|＝N，|E|＝L，分别网络中有N个节点、L条边；步骤二、寻找网络中的模体结构选取四阶无向模体作为分析目标，使用Fanmod软件检测网络中的模体，其使用Rand
‑
ESU算法来进行模体检测，构成与原网络具有相同度分布的多个随机网络，然后采用Z得分即显著性水平来对子图做出评价，Z得分公式为其中N
real
表示目标网络中子图出现的次数，表示随机网络中子图出现的平均次数，σ
rand
则表示与目标网络具有相同度分布的多个随机网络中子图出现次数的标准差；当Z>0时认为该子图结构为模体，Z值越大说明该类模体越重要；步骤三、节点重要性识别在确定网络中的模体类型后，分别计算网络中任意两个连接节点之间共同参与的模体数目数目表示在网络中节点对(v
i
,v
j
)出现在同一个模体M中的次数；模体M表示网络中检测到的一类模体，利用节点与其邻居节点之间的模体数目来对节点的重要性进行挖掘；从节点的局部角度：节点的重要性由其邻居节点的度和决定，即一个节点的邻居节点的度和越大，其重要性也就越高；从模体的角度：模体表示多个节点之间同时进行交互的模式，节点与其某个邻居节点之间的连边参与的模体数目越多，则该邻居节点对待测节点的贡献越大；将邻居节点度和与节点与其邻居节点之间存在的模体数目相结合，作为同样是基于网络局部性质的节点重要性指标，即基于模体的局部邻居度中心性，用MLD表示，其数学表达式如下：其中，N(i)表示节点i的邻居节点集合，d(j)表示与节点i相连的节点j的度，则表示两节点共同参与的类型模体M的次数；节点重要性主要由其邻居节点的度决定，通过利用节点与其邻居节点共同参与的模体数目，来对邻居节点的度进行放大，此外将W
ij
除以邻居节点的度，来区分具有相同W
ij
但度不相同的节点，使其具有不同的放大系数；则MLD越大，节点的重要性越高。2.根据权利要求1所述的一种基于模体信息的复杂网络关键节点挖掘的方法，其特征在于：还包括步骤四、准确性验证将步骤一至步骤三方法记作方案
ⅰ
，通过方案
ⅰ
得到节点的重要性后，对节点的重要性值进行排序；使用SIR传播模型在...

【专利技术属性】
技术研发人员：杨云云，郝晓亮，张辽，赵文晶，谢珺，续欣莹，冯彪，薛舒红，刘彦，
申请(专利权)人：太原理工大学，
类型：发明
国别省市：