【技术实现步骤摘要】
本专利技术涉及深度学习和网络解析领域，尤其涉及一种基于图对比学习和多跳聚合的复杂网络拆解方法。
技术介绍
1、在物理世界中，系统可以由节点集和边缘集表示为复杂网络。少数节点的损坏和故障可能导致一个复杂的网络变得不稳定或崩溃。例如，由于单个服务器故障，互联网运营商可能会无法提供互联网服务。网络拆解(network dismantling,nd)是指寻找关键节点，对其进行有针对性的攻击，从而瓦解网络。学者们通过研究网络动力学和特征，发现了级联失效效应和网络渗流。上述研究表明，破坏一个节点可能会导致其邻居失效，进而破坏网络的全局拓扑结构。这些研究引发了对识别攻击关键节点的研究。
2、针对网络拆解问题，学者们提出了许多启发式算法。大多数学者根据节点对网络拓扑稳定性的影响来衡量和评估节点，并选择排名最高的节点加入目标攻击节点集(tas)，直到达到巨大连通组件(gcc)阈值。尽管度中心性和中介中心性等基于中心性的方法从多个方面对节点重要性进行评估，但在处理大规模网络时面临较高的计算复杂性。此外，它们容易受到局部结构的干扰，例如，一个节点...
【技术保护点】
1.基于图对比学习和多跳聚合的复杂网络拆解方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于图对比学习和多跳聚合的复杂网络拆解方法，其特征在于，所述的把原始图输入角色图生成模块，得到角色图，包括以下步骤：
3.根据权利要求2所述的基于图对比学习和多跳聚合的复杂网络拆解方法，其特征在于，所述的把原始图和角色图输入多视图表示学习模块，得到角色图和原始图的多角度图表示，包括以下步骤：
4.根据权利要求3所述的基于图对比学习和多跳聚合的复杂网络拆解方法，其特征在于，所述的把角色图和原始图的多角度图表示输入节点重要性评分模块，得到...
【技术特征摘要】
1.基于图对比学习和多跳聚合的复杂网络拆解方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于图对比学习和多跳聚合的复杂网络拆解方法，其特征在于，所述的把原始图输入角色图生成模块，得到角色图，包括以下步骤：
3.根据权利要求2所述的基于图对比学习和多跳聚合的复杂网络拆解方法，其特征在于，所述的把原始图和角色图输入多视图表示学习模块，得到角色图和原始图的多角度图表示，包括以下步骤：
4.根据权利要求3所述的基于图对...
【专利技术属性】
技术研发人员：曾维新，赵翔，马思琦，黄宏斌，吴继冰，刘丽华，
申请(专利权)人：中国人民解放军国防科技大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。