基于优化结构洞的无向加权网络关键节点发现方法[word文档]

《基于优化结构洞的无向加权网络关键节点发现方法[word文档]》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、基于优化结构洞的无向加权网络关键节点发现方法关键字：基于优化结构洞的无向加权网络关键节点发现方法本文为Word文档，感谢你的关注！　　摘要：针对目前大多数关键节点发现算法没有兼顾桥节点与其他类型关键节点，造成评价结果存在片面性的问题，使用加权网络模型结合结构洞理论，提出一种优化结构洞的无向加权网络关键节点发现方法。综合考虑了节点的邻居数量及其与邻居间的拓扑结构，首先通过定义节点的邻接度和二次邻接度来衡量邻居节点对其的重要程度，在此基础上测量网络中的结构洞约束系数并通过排序发现网络中处于重要位置的

2、关键节点。该方法既反映出节点局部连接的特性，又可在全局拓扑未知的情况下发现其中的关键节点，解决了全局方法计算复杂度高的问题。实验结果表明，该方法比基于介数、节点强度、接近度方法更准确、有效地发现无向加权网络中的关键节点。　　关键词：桥节点；结构洞；约束系数；邻接度　　TN711?34；TP391.41A1004?373X（2017）06?0035?05　　Abstract：Inordertosolvetheproblemsthatmostoftheexitingalgorithmstofindk

3、eynodesdonottakeintoaccountthebridgenodesandotherkeynodes，whichmayleadtoanone?sidedevaluationresult，anoptimizedstructuralholesbasedmethodtofindthekeynodesintheundirectedweightednetworksisproposedbymeansoftheweightednetworkmodelandthestructureholetheo

4、ry.Thenumberofneighborsaroundthenodesandthetopologystructureamongthenodesandneighborsareconsideredinthismethod.Theimportanceoftheneighbornodestothenodesismeasuredbydefiningadjacencydegreeandsecondaryadjacencydegreeofthenodes，andthentheconstraintcoeff

5、icientofthestructuralholeinthenetworkiscalculatedtofindtheimportantpositionofthekeynodesinthenetwork.Themethodcanreflectthelocalconnectionfeatureofthenodefindthekeynodesinnetworkinthecasethattheglobaltopologyisunknown.Itcansolvetheproblemofhighcomput

6、ationalcomplexityoftheglobalmethods.Theexperimentresultsshowthatthemethodisbetterthanthemethodsbasedonbetweenness，nodestrengthandproximity.　　Keywords：bridgenode；structurehole；constraintcoefficient；adjacencydegree　　0引言　　伴随着信息技术的迅猛发展，人类的社会活动日趋网络化。人们的生活

7、被各种复杂网络[1]包围着，例如社交网络、交通网络、电力网络、邮件网络等，其中对复杂网络中的节点关键性评估[2]一直受到研究人员的广泛关注，寻找网络中的关键节点成为网络科学的重要研究内容之一。挖掘出在各类复杂网络中扮演重要角色的关键节点，有针对性地分析其性质，从而进行有效的利用，具有重要的现实意义和实用价值。复杂网络中的关键节点发现不仅与网络的拓扑结构有关还应该综合考虑其功能特征等方面的因素，结构洞理论[3]认为，在现代信息社会中，处于结构洞位置的节点或者企业可以获取更关键的信息和为企业带来更多

8、的竞争优势，从而影响甚至于控制社会关系与信息的传播，并为企业获得累加收益，包括信息收益与控制收益等，因此对于关键节点的发现和评估不可忽略处于捷径的节点。本文的目的是发现复杂网络中的处于重要位置的关键节点，所谓的关键节点，在网络中具有活跃度较高、控制着他人交流通信、起到连接作用等特征。　　近年来，复杂网络中的关键节点发现方法已经成为研究热点。从复杂网络结构角度考虑具体的关键节点重要性评价指标主要包括度中心性、介数、凝聚度、特征向量、子图、网络流、随机行走[4?6]等。这些评估方法对复杂网络关键节点