一种基于网络模体的网络相似性评估方法技术

本发明专利技术公开了一种基于网络模体的网络相似性评估方法。本发明专利技术方法包括数据采集和预处理，计算网络结构相似性两个部分。数据采集和预处理部分包括构建网络、邻接矩阵、节点的邻居集和网络节点模体分布矩阵四个子任务，为之后的计算网络之间的结构相似性提供数据基础。计算网络结构相似性部分包括计算网络节点之间的分散度以及计算网络结构性相似值两个子任务，最终得到了网络之间的结构性质的差异。本发明专利技术在宏观上考虑了节点全局重要性，在微观上考虑了局部网络的拓扑结构，并实现了网络局部结构和全局结构之间的较好平衡。部结构和全局结构之间的较好平衡。

【技术实现步骤摘要】
一种基于网络模体的网络相似性评估方法


[0001]本专利技术属于计算机
，尤其涉及一种基于网络模体的网络相似性评估方法，能够依据节点基于网络模体的分布，对网络结构相似性做出评估。

技术介绍

[0002]网络结构的相似性是网络科学重要研究方向之一，该研究旨在通过网络中局部至整体结构来量化不同网络之间的异同性。其研究目前广泛应用于社会科学、经济学、生物学、计算机科学等领域。具体而言，在社交网络领域中，可以对相关人员进行社会关系分类；在生物领域中，可以通过患者的细胞网络与健康的细胞网络比较进而有助于寻找治愈该疾病的方法。
[0003]近年来，随着网络中可用数据的快速增长和网络建模的灵活性，出现了大量用于网络比较的方法。在结构基础上分析复杂网络时，使用相似性(或相异性)度量的比较方法至关重要。根据学科的不同，这个问题被称为图匹配、网络比较或网络对齐，其本质都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，如邻接矩阵、度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。

技术实现思路

[0004]本专利技术的目的是提供一种基于网络模体的网络相似性评估方法，该方法综合考虑了网络局部结构和全局结构的相似性，并进一步验证了方法的可靠性和应用性。
[0005]本专利技术方法具体是：
[0006]步骤(1)数据采集和预处理；包括构建网络、构建邻接矩阵、构建节点的邻居集、构建网络节点模体分布矩阵四个子任务；具体如下：
[0007](1
‑
1)构建网络：首先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
}，v
n
为网络中第n个节点，n＝1,2,
…
,N，N表示节点数量，E表示边集。
[0008](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
；具体而言，当节点v
i
和节点v
j
有连边时，A
i,j
的值为1，否则为0，i＝1,2,
…
,N，j＝1,2,
…
,N，i≠j。
[0009](1
‑
3)构建节点的邻居集T＝{t1,t2,
…
,t
N
}，其中t
n
表示节点v
n
的邻居集合。
[0010](1
‑
4)构建网络节点模体分布矩阵：首先定义网络模体为网络中由3～5个节点构成的连通的、非同构的子图，且一共有30种不同类型的模体；由此构建一个完整的网络节点模体分布矩阵U＝{U1(k),U2(k),U3(k),
…
,U
N
(k)}，U
i
(k)为节点v
i
且包含邻居节点构成k类型模体的概率，U
i
(k)是1
×
30维的向量。
[0011]步骤(2)计算网络结构相似性；包括计算网络节点之间的分散度和网络结构性相似值两个子任务。
[0012](2
‑
1)计算网络节点之间的分散度：通过网络模体分布相似性的度量来衡量网络的异质性并且捕获网络的相关特征；
[0013]网络模体分布相似性的度量其中，表示N个节点分布的Jensen
‑
Shannon散度，节点分布的平均值
[0014]NND(G)最大时表示网络中节点连通异质性最大，NND(G)最小时表示网络中节点连接更均匀。
[0015](2
‑
2)计算网络结构性相似值；网络G和网络G'的网络结构性相似值
[0016]网络结构性相似值由两部分构成，并由两个权重参数α和β调节，0＜α＜1，0＜β＜1。两个网络之间的网络结构性相似值越大，则两个网络之间结构相似性越小，反之则两个网络之间结构相似性越大。
[0017]为了有效地比较网络差异，本专利技术方法网络中模体描述了固定数量的连接节点之间的成对交互模式，相较于传统网络中基于“二元关系”的结构，网络模体可以更好的分析并捕捉节点间的高阶结构，以此来弥补现有网络结构相似性方法无法捕捉全局结构性质的缺陷。本专利技术描述了复杂网络中节点基于网络模体的分布，以得到不同网络之间的结构性相似值。本专利技术实现了结果的有效性、可解释性和计算效率之间的有效平衡。
[0018]本专利技术方法在宏观层面上，通过整个网络上的节点基于模体的分布考虑了节点全局重要性；在微观层面上，考虑了局部网络的拓扑结构即节点连通异质性，依此实现了网络局部结构和全局结构之间的较好平衡，最终定义了两个不同网络结构之间的相似值。
具体实施方式
[0019]下面结合技术方案，对本专利技术做进一步的说明，但下述实例绝非对本专利技术有任何限制。
[0020]一种基于网络模体的网络相似性评估方法，按下列步骤进行：
[0021]步骤(1)构建网络：首先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
}，v
n
为网络中第n个节点，n＝1,2,
…
,N，N表示节点数量，E表示边集。
[0022]步骤(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
；具体而言，当节点v
i
和节点v
j
有连边时，A
i,j
的值为1，否则为0，i＝1,2,
…
,N，j＝1,2,
…
,N，i≠j。
[0023]步骤(3)构建节点的邻居集T＝{t1,t2,
…
,t
N
}，其中t
n
表示节点v
n
的邻居集合。
[0024]步骤(4)构建网络节点模体分布矩阵：首先定义网络模体为网络中由3～5个节点构成的连通的、非同构的子图，且一共有30种不同类型的模体；由此构建一个完整的网络节点模体分布矩阵U＝{U1(k),U2(k),U3(k),
…
,U
N
(k)}，U
i
(k)为节点v
i
且包含邻居节点构成k类型模体的概率，U
i
(k)是1
×
30维的向量。
[0025]步骤(5)计算网络节点之间的分散度：通过网络模体分布相似性的度量来衡量网络的异质性并且捕获网络的相关特征。
[0026]网络模体分布相似性的度量其中，表示N个节点分布的Jensen
‑
Shannon散度，节点分布的平均值
[0027]NND(G)最大时表示网络中节点连通异质性最大，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于网络模体的网络相似性评估方法，其特征在于，该方法具体是：步骤(1)数据采集和预处理；包括构建网络、构建邻接矩阵、构建节点的邻居集、构建网络节点模体分布矩阵；具体如下：(1
‑
1)构建网络：首先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
}，v
n
为网络中第n个节点，n＝1,2,
…
,N，N表示节点数量，E表示边集；(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
；具体而言，当节点v
i
和节点v
j
有连边时，A
i,j
的值为1，否则为0，i＝1,2,
…
,N，j＝1,2,
…
,N，i≠j；(1
‑
3)构建节点的邻居集T＝{t1,t2,
…
,t
N
}，其中t
n
表示节点v
n
的邻居集合；(1
‑
4)...

【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：浙江大学，
类型：发明
国别省市：