关键节点的识别方法、装置、计算机设备及可读存储介质制造方法及图纸

本申请公开了一种关键节点的识别方法、装置、计算机设备及可读存储介质，涉及互联网技术领域，能够降低求解难度，提高识别关键节点的准确率，且在较大规模的网络时，识别时间短且效率高。所述方法包括：确定待识别网络，根据所述待识别网络中每个网络节点的网络连通性的影响力值，对多个网络节点排序；对排序后的所述影响力值进行归一化计算，得到节点归一化排序表示，构建节点影响力表示字典；对所述多个网络节点进行多次采样，构建样本点集合；将所述样本点集合转化为超曲面函数表达式的输入输出，采用预设的超曲面函数表达式进行函数拟合，得到超曲面函数；计算所述超曲面函数确定近似最优解，将所述近似最优解指示的网络节点作为关键节点。点作为关键节点。点作为关键节点。

【技术实现步骤摘要】
关键节点的识别方法、装置、计算机设备及可读存储介质


[0001]本申请涉及互联网
，特别是涉及一种关键节点的识别方法、装置、计算机设备及可读存储介质。

技术介绍

[0002]随着互联网技术的不断发展，用于通信、信息传播的各种复杂的网络充斥在人们生活的方方面面中，这些网络中包括大量节点，节点之间相互连通，实现网络的应用。其中，大量节点中包括关键节点，关键节点是网络的特殊节点，能够极大程度影响网络的结构与功能，当关键节点被删除后，网络的某项连通性指标会遭受最大程度的改变。比如，通信网络中的关键节点集合被破坏，将导致该网络的通讯功能遭受极大损坏。因此，通过关键节点识别可用于保护此类重要节点集合，且能够在通讯网络节点保护、传播网络扩散控制等各领域中进行应用。
[0003]相关技术中，识别关键节点的方法主要是以贪婪策略为基础的启发式方法以及一些全局优化方法。但是，申请人认识到，以贪婪策略为基础的启发式方法以及全局优化方法所得解精度受限，识别关键节点的准确率不高，且在面对较大规模的网络时，需要大量时间成本，识别效率较差。

技术实现思路

[0004]有鉴于此，本申请提供了一种关键节点的识别方法、装置、计算机设备及可读存储介质，主要目的在于解决以贪婪策略为基础的启发式方法以及全局优化方法所得解精度受限，识别关键节点的准确率不高，且在面对较大规模的网络时，需要大量时间成本，识别效率较差的问题。
[0005]依据本申请第一方面，提供了一种关键节点的识别方法，该方法包括：
[0006]确定待识别网络，根据所述待识别网络中每个网络节点对所述待识别网络的连通性的影响力值，对所述待识别网络包括的多个网络节点进行排序；
[0007]对排序后的所述多个网络节点的影响力值进行归一化计算，得到所述多个网络节点中每个网络节点的节点归一化排序表示，以及基于所述每个网络节点的节点归一化排序表示，构建节点影响力表示字典；
[0008]根据所述每个网络节点的节点归一化排序表示，对所述多个网络节点进行多次采样，构建样本点集合；
[0009]基于所述节点影响力表示字典，将所述样本点集合转化为超曲面函数表达式的输入和输出，以及采用预设的超曲面函数表达式对所述超曲面函数表达式的输入和输出进行函数拟合，得到超曲面函数；
[0010]对所述超曲面函数进行计算，确定近似最优解，将所述近似最优解指示的网络节点作为所述待识别网络的关键节点。
[0011]可选地，所述确定待识别网络，根据所述待识别网络中每个网络节点对所述待识
别网络的连通性的影响力值，对所述待识别网络包括的多个网络节点进行排序，包括：
[0012]接收节点识别请求，将所述节点识别请求指示的网络作为所述待识别网络，以及读取构成所述待识别网络包括的所述多个网络节点；
[0013]对所述多个网络节点中每个网络节点执行以下处理：计算所述待识别网络的第一连通性取值，在所述待识别网络中将所述网络节点删除，计算删除后的所述待识别网络的第二连通性取值，将所述第一连通性取值和所述第二连通性取值的差值作为所述网络节点的影响力值；
[0014]获取所述每个网络节点的影响力值，得到多个影响力值；
[0015]按照所述多个影响力值从小到大的顺序对所述多个网络节点进行排序。
[0016]可选地，所述对排序后的所述多个网络节点的影响力值进行归一化计算，得到所述多个网络节点中每个网络节点的节点归一化排序表示，以及基于所述每个网络节点的节点归一化排序表示，构建节点影响力表示字典，包括：
[0017]依次对排序后的所述多个网络节点进行编号，为所述多个网络节点中每个网络节点设置对应的节点编号，其中，节点编号的取值随排序后的所述多个网络节点递增；
[0018]统计所述多个网络节点的节点数量，以及对编号后的所述多个网络节点中每个网络节点执行以下处理：读取所述网络节点的节点编号的编号取值，将所述编号取值与所述节点数量的比值作为所述网络节点的节点归一化排序表示；
[0019]获取所述每个网络节点的节点归一化排序表示，以及为所述每个网络节点与对应的节点归一化排序表示建立映射关系，得到所述节点影响力表示字典。
[0020]可选地，所述根据所述每个网络节点的节点归一化排序表示，对所述多个网络节点进行多次采样，构建样本点集合，包括：
[0021]获取所述每个网络节点的节点归一化排序表示，得到多个节点归一化排序表示，以及计算多个所述节点归一化排序表示的总和值；
[0022]对所述多个网络节点中每个网络节点执行以下处理：计算所述网络节点的节点归一化排序表示与所述总和值的比值，以及将计算得到的比值作为所述网络节点的被采样概率；
[0023]获取所述每个网络节点的被采样概率，得到多个被采样概率；
[0024]按照所述多个被采样概率对所述多个网络节点执行K次采样操作，得到包括K个网络节点的候选解集合，以及重复执行按照所述多个被采样概率对所述多个网络节点进行K次采样并得到包括K个网络节点的候选解集合的操作，直至重复的次数达到N次，得到N个候选解集合，其中，K和N为正整数；
[0025]将所述N个候选解集合进行合并，得到所述样本点集合。
[0026]可选地，所述基于所述节点影响力表示字典，将所述样本点集合转化为超曲面函数表达式的输入和输出，以及采用预设的超曲面函数表达式对所述超曲面函数表达式的输入和输出进行函数拟合，得到超曲面函数，包括：
[0027]基于所述节点影响力表示字典，将所述样本点集合映射为超曲面函数表达式的输入和输出，得到多个所述超曲面函数表达式的输入输出对；
[0028]获取所述预设的超曲面函数表达式，其中，
[0029]Y＝HF(X，P)
[0030]其中，X表示所述超曲面函数表达式的输入，Y表示所述超曲面函数表达式的输出，P表示所述超曲面函数表达式的参数集合，HF包括预设的多项由变量组成的函数；
[0031]根据多个所述超曲面函数表达式的输入输出对，对所述预设的超曲面函数表达式进行拟合，获取所述超曲面函数表达式的参数集合，其中，
[0032][0033]其中，HF表示所述超曲面函数表达式，X
′
i
表示所述超曲面函数表达式的输入，Y
′
i
表示所述超曲面函数表达式的输出，且i＝1，2，...，N，P表示所述超曲面函数表达式的参数集合，N为正整数；
[0034]根据所述超曲面函数表达式的参数集合和所述超曲面函数表达式，确定所述超曲面函数。
[0035]可选地，所述基于所述节点影响力表示字典，将所述样本点集合映射为超曲面函数表达式的输入和输出，得到多个所述超曲面函数表达式的输入输出对，包括：
[0036]对所述样本点集合中每个候选解集合执行以下处理：获取所述候选解集合包括的K个网络节点，在所述节点影响力表示字典中查询所述K个网络节点中每个网络节点的映射关系指示的节点归本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种关键节点的识别方法，其特征在于，包括：确定待识别网络，根据所述待识别网络中每个网络节点对所述待识别网络的连通性的影响力值，对所述待识别网络包括的多个网络节点进行排序；对排序后的所述多个网络节点的影响力值进行归一化计算，得到所述多个网络节点中每个网络节点的节点归一化排序表示，以及基于所述每个网络节点的节点归一化排序表示，构建节点影响力表示字典；根据所述每个网络节点的节点归一化排序表示，对所述多个网络节点进行多次采样，构建样本点集合；基于所述节点影响力表示字典，将所述样本点集合转化为超曲面函数表达式的输入和输出，以及采用预设的超曲面函数表达式对所述超曲面函数表达式的输入和输出进行函数拟合，得到超曲面函数；对所述超曲面函数进行计算，确定近似最优解，将所述近似最优解指示的网络节点作为所述待识别网络的关键节点。2.根据权利要求1所述的方法，其特征在于，所述确定待识别网络，根据所述待识别网络中每个网络节点对所述待识别网络的连通性的影响力值，对所述待识别网络包括的多个网络节点进行排序，包括：接收节点识别请求，将所述节点识别请求指示的网络作为所述待识别网络，以及读取构成所述待识别网络包括的所述多个网络节点；对所述多个网络节点中每个网络节点执行以下处理：计算所述待识别网络的第一连通性取值，在所述待识别网络中将所述网络节点删除，计算删除后的所述待识别网络的第二连通性取值，将所述第一连通性取值和所述第二连通性取值的差值作为所述网络节点的影响力值；获取所述每个网络节点的影响力值，得到多个影响力值；按照所述多个影响力值从小到大的顺序对所述多个网络节点进行排序。3.根据权利要求1所述的方法，其特征在于，所述对排序后的所述多个网络节点的影响力值进行归一化计算，得到所述多个网络节点中每个网络节点的节点归一化排序表示，以及基于所述每个网络节点的节点归一化排序表示，构建节点影响力表示字典，包括：依次对排序后的所述多个网络节点进行编号，为所述多个网络节点中每个网络节点设置对应的节点编号，其中，节点编号的取值随排序后的所述多个网络节点递增；统计所述多个网络节点的节点数量，以及对编号后的所述多个网络节点中每个网络节点执行以下处理：读取所述网络节点的节点编号的编号取值，将所述编号取值与所述节点数量的比值作为所述网络节点的节点归一化排序表示；获取所述每个网络节点的节点归一化排序表示，以及为所述每个网络节点与对应的节点归一化排序表示建立映射关系，得到所述节点影响力表示字典。4.根据权利要求1所述的方法，其特征在于，所述根据所述每个网络节点的节点归一化排序表示，对所述多个网络节点进行多次采样，构建样本点集合，包括：获取所述每个网络节点的节点归一化排序表示，得到多个节点归一化排序表示，以及计算多个所述节点归一化排序表示的总和值；对所述多个网络节点中每个网络节点执行以下处理：计算所述网络节点的节点归一化
排序表示与所述总和值的比值，以及将计算得到的比值作为所述网络节点的被采样概率；获取所述每个网络节点的被采样概率，得到多个被采样概率；按照所述多个被采样概率对所述多个网络节点执行K次采样操作，得到包括K个网络节点的候选解集合，以及重复执行按照所述多个被采样概率对所述多个网络节点进行K次采样并得到包括K个网络节点的候选解集合的操作，直至重复的次数达到N次，得到N个候选解集合，其中，K和N为正整数；将所述N个候选解集合进行合并，得到所述样本点集合。5.根据权利要求1所述的方法，其特征在于，所述基于所述节点影响力表示字典，将所述样本点集合转化为超曲面函数表达式的输入和输出，以及采用预设的超曲面函数表达式对所述超曲面函数表达式的输入和输出进行函数拟合，得到超曲面函数，包括：基于所述节点影响力表示字典，将所述样本点集合映射为超曲面函数表达式的输入和输出，得到多个所述超曲面函数表达式的输入输出对；获取所述预设的超曲面函数表达式，其中，Y＝HF(X，P)其中，X表示所述超曲面函数表达...

【专利技术属性】
技术研发人员：王甬琪，
申请(专利权)人：大箴杭州科技有限公司，
类型：发明
国别省市：