基于自规避随机游走的节点排序算法

被引：13

作者：

段杰明 ^{[1
]}

尚明生 ^{[1
,2
]}

蔡世民 ^{[1
,2
]}

张玉霞 ^{[3
]}

机构：

[1] 电子科技大学计算机科学与工程学院

[2] 电子科技大学大数据研究中心

[3] 华南理工大学物理与光电学院

来源：

物理学报 | 2015年 / 64卷 / 20期

关键词：

复杂网络系统; 节点排序; 自规避随机游走; 局域信息;

D O I：

暂无

中图分类号：

O157.5 [图论];

学科分类号：

070101 [基础数学];

摘要：

评估复杂网络系统的节点重要性有助于提升其系统抗毁性和结构稳定性.目前,定量节点重要性的排序算法通常基于网络结构的中心性指标如度数、介数、紧密度、特征向量等.然而,这些算法需要以知晓网络结构的全局信息为前提,很难在大规模网络中实际应用.基于自规避随机游走的思想,提出一种结合网络结构局域信息和标签扩散的节点排序算法.该算法综合考虑了节点的直接邻居数量及与其他节点之间的拓扑关系,能够表征其在复杂网络系统中的结构影响力和重要性.基于三个典型的实际网络,通过对极大连通系数、网络谱距离数、节点连边数和脆弱系数等评估指标的实验对比,结果表明提出的算法显著优于现有的依据局域信息的节点排序算法.

引用

页码：65 / 72

页数：8

共 9 条

[1]

网络重要节点排序方法综述 [J].

任晓龙 ;

吕琳媛 .

科学通报, 2014, 59 (13) :1175-1197

[2]

复杂网络中节点重要性排序的研究进展 [J].

刘建国 ;

任卓明 ;

郭强 ;

汪秉宏 .

物理学报, 2013, 62 (17) :9-18

[3]

Identifying effective multiple spreaders by coloring complex networks [J].

Zhao, Xiang-Yu ;

Huang, Bin ;

Tang, Ming ;

Zhang, Hai-Feng ;

Chen, Duan-Bing .

EPL, 2014, 108 (06)

[4]

Detecting community structure using label propagation with consensus weight in complex network.[J].Liang Zong-Wen;Li Jian-Ping;Yang Fan;Athina Petropulu.Chinese Physics B.2014, 9

[5]

Identification of influential spreaders in complex networks [J].