基于多特征决策的复杂网络节点排序方法技术

一种基于多特征决策的复杂网络节点排序方法，由输入邻接矩阵、确定节点的自身影响力、确定节点的局部影响力、确定节点的全局影响力、确定节点的整体影响力、确定节点的排序结果步骤组成。本发明专利技术解决了现有单一维度节点中心性度量方法仅考虑节点某个特定方面的统计特征，导致节点重要性排序不准确的技术问题。本发明专利技术具有多维度评价节点、节点排序结果分化程度高、网络模型运行速度快等优点，可应用于舆情分析、广告投放、传染病防控等技术领域中。传染病防控等技术领域中。传染病防控等技术领域中。

【技术实现步骤摘要】
基于多特征决策的复杂网络节点排序方法


[0001]本专利技术属于复杂网络
，具体涉及到复杂网络节点排序方法。

技术介绍

[0002]随着人类社会的复杂性与对大规模、复杂系统的越来越高的要求，复杂网络节点重要性的研究也越来越受到重视。近年来，人们对于复杂网络节点排序研究提出了许多经典的节点中心性度量方法。基于节点局部邻域的中心性方法，如度中心性、Clusterrank、H
‑
index，该类方法主要考虑一阶邻居节点的数量或者度来衡量节点的重要性，是一种直观且简单的节点排序方法，但是由于仅考虑一阶邻居节点，忽略了较远距离的节点的影响以及网络拓扑结构信息；基于节点路径的中心性方法，如介数中心性、接近中心性，该类节点中心性方法关注的是网络全局结构，仅考虑节点之间的最短路径信息，未考虑路径之外的信息，导致模型的计算复杂度高，对于大规模网络具有一定的限制；基于节点特征向量的中心性方法，特征向量中心性、佩奇排序、随机游走，该类方法强调节点所处的网络中邻居节点的数量和质量，但是由于该类方法涉及到矩阵运算，导致时间复杂度高，收敛速度慢；基本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多特征决策的复杂网络节点排序方法，其特征在于，由以下步骤组成：(1)输入邻接矩阵按式(1)确定复杂网络的邻接矩阵A：按式(1)确定复杂网络的邻接矩阵A：其中，a
ij
表示节点v
i
和节点v
j
之间的邻接矩阵元素值；(2)确定节点的自身影响力按式(2)确定复杂网络中每个节点的自身影响力SIN(v
i
)：其中，d(v
i
)表示节点v
i
的度，k
max
表示网络中节点的最大度值；(3)确定节点的局部影响力按式(3)确定节点的局部平均度k
nn
(v
i
)：其中，d(v
i
)表示节点v
i
的度，d(v
j
)表示节点v
i
的一阶邻居节点v
j
的度，d(v
k
)表示节点v
i
的二阶邻居节点v
k
的度，n表示节点v
i
的一阶邻居节点的个数，n的取值为有限的正整数，m表示节点v
i
的二阶邻居节点的个数，m的取值为有限的正整数；按式(4)确定节点的局部决策概率p(v
i
)：按式(5)确定节点的局部信息熵E(v
i
)：其中，j表示节点v
i
的一阶邻居节点的个数，j取值为有限的正整数；按式(6)确定节点的局部自身影响力LIN(v
i
)：其中，N表示复杂网络中节点的总数，N取值为有限的正整数；(4)确定节点的全局影响力按式(7)确定节点的全局影响力GIN(v
i
)：
其中，Ks(v
j
)表示与节点v
i
存在最短路径的节点v
j
的K
‑
shell值，d(v
ij
)表示与节点v
i
存在最短路径的节点v
j
的度，d
ij
表示节点v
i
与节点v
j
之间的最短路径，i≠j；(5)确定节点的整体影响力按式(8)确定节点的整体影响力SLGC(v
i
)：SLGC(v
i
)＝αSIN(v
i
)
×
βLIN(v
i
)
×
γGIN(v...

【专利技术属性】
技术研发人员：艾达，刘鑫龙，康文哲，陈云，
申请(专利权)人：西安邮电大学，
类型：发明
国别省市：