基于高阶聚类系数的网络结构差异性评估方法技术

本发明专利技术公开了基于高阶聚类系数的网络结构差异性评估方法。本发明专利技术方法包括数据采集和预处理、计算网络结构差异性两个部分。数据采集和预处理部分包括构建网络、构建邻接矩阵、构建节点的邻居集和构建网络节点高阶聚类系数分布矩阵四个子任务，为之后的计算网络之间的结构性差异提供数据基础。计算网络结构差异性部分包括计算网络节点之间的分散度和计算网络结构性差异值两个子任务，最终得到了网络之间的结构性差异。本发明专利技术方法考量整个网络上的节点基于高阶聚类系数的距离分布，在考虑节点全局重要性的同时考虑局部网络的拓扑结构，既为解决不同网络结构性差异问题提供了全新思路，同时也为发现和解释更多的深层网络结构特性提供了可能性。特性提供了可能性。

【技术实现步骤摘要】
基于高阶聚类系数的网络结构差异性评估方法


[0001]本专利技术属于计算机
，涉及一种高阶聚类系数网络结构差异性评估方法，能够依据节点基于高阶聚类系数距离分布，对网络结构差异性做出评估。

技术介绍

[0002]近年来，研究各种复杂网络结构的差异性已经成为一个流行且跨学科的主题，目前在社会科学、医学、生物、物理等领域得到了广泛使用。例如，在医学领域中，可以通过网络比较量化两种不同疾病的潜在相似性；在生物领域中，可以通过网络比较找出结构上更相似、更有可能表现出相似特性的分子，进而用于药物设计。
[0003]网络比较问题源于图同构问题，此问题也被称为图匹配或网络对齐，其本质在于研究两个图中的节点集是否满足一对一映射的关系，它通过比较网络的结构拓扑差异来量化网络之间的差异，如边缘密度、距离分布等较为简单的拓扑结构特征，或网络社区结构、光谱熵等更为复杂的拓扑结构特征。事实上，在大多数真实网络系统中，标准聚类系数、平均最短路径这样的特征并不能很好地捕获网络的全局结构性质。

技术实现思路

[0004]本专利技术的目的就是提供一种本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于高阶聚类系数的网络结构差异性评估方法，其特征在于，该方法具体是：步骤(1)数据采集和预处理，包括四个子任务：构建网络、构建邻接矩阵、构建节点的邻居集和构建网络节点高阶聚类系数分布矩阵；(1
‑
1)构建网络：根据节点与边的隶属关系构建网络G＝(V,E)，节点集V＝{v1,v2,
…
,v
N
}，N表示节点数量，E表示为边集；(1
‑
2)构建邻接矩阵：根据节点与边的隶属关系构建邻接矩阵A
N
×
N
，当节点v
i
和节点v
j
有连边时，邻接矩阵A
N
×
N
中元素A
ij
的值为1；否则为0，i,j＝1,2,
…
,N且i≠j；(1
‑
3)构建节点的邻居集Q＝{q1,q2,
…
,q
N
}，q
i
表示节点v
i
的邻居集合；(1
‑
4)构建网络节点高阶聚类系数分布矩阵T＝{T1(l),T2(l),T3(l),
…
,T
N
(l)}，T
i
(l)为当去除节点v
i
时，节点v
i

【专利技术属性】
技术研发人员：詹秀秀，陈浩宇，刘闯，张子柯，
申请(专利权)人：杭州师范大学，
类型：发明
国别省市：