面向有向网络关键节点识别算法研究

发布时间：2024-03-10 04:26

　　针对有向网络中基于PageRank相关算法关键节点识别时迭代计算平稳分布的时间复杂度高,且存在不确定参数的问题,在对现有算法进行总结分析的基础上,考虑适用于有向网络的Jaccard扩展指标与叠加随机游走相结合,通过4步转移实现关键节点识别。在真实网络中,与PageRank的改进算法设计进行对比实验,分析与SIR模型的相关性,结果表明:该算法能有效识别关键节点,且在准确度和算法执行效率方面均有较大改进。

【文章页数】：7 页

【部分图文】：

图1Freemans数据集可视化

Freemans＿EIES＿3[14]网络是从事社会网络分析与研究之间关系的网络，包含32个节点，442条有向边，节点平均度27.625,SIR传播模型感染概率β为0.029。使用Ucinet6数据可视化，Freemans数据集可视化如图1所示。使用PageRank、Pro-Pa....

图2各中心性算法之间的相关性

以算法排序等级为标准，各中心性算法之间的相关性如图2所示。由图2可知，本文算法中节点24、节点5的重要性与其他算法存在较大差异，节点24和节点5在SIR传播模型中，均处在Top5的位置，说明2个节点处于重要节点位置，本文算法优于其他算法。各中心性算法与SIR模型Kendall....

本文编号：3924240