基于AF分析复杂网络-郭军.ppt

基于激活力的复杂网络分析 郭　军 北京邮电大学 内　容 复杂网络研究背景 我们所研究的问题: 网络构建及节点相似度判定 提出的方法: 基于激活力的加权连接和亲近度测度 实验 1: 词网建模 实验 2: PPI 网络建模 讨论: 脑的学习机制、特征表达、功能相似蛋白质的判定 复杂网络 对现实世界各类复杂关系建模的有力工具 现实世界中的复杂关系: 词间联系、蛋白质相互作用 社会关系网络、互联网节点关系、科学引用与合作关系 网络模型: 用节点和连接表示实体之间的联系 复杂网络(Complex networks) 大规模: 大量的节点和连接 节点的连接通常符合 power-law 分布 小世界模型、尺度不变性: 存在hub nodes和edge nodes 问　题 如何根据源数据建立复杂网络模型 源数据: 蕴含词关系的文本集、标注蛋白质相互作用关系的数据库、蕴含用户关系的微博数据集 … 现有方法 二值模型: 节点间的连接无权重 缺点 节点的关系被均匀分散在所拥有的连接上 节点的特征不突出 易形成连接稠密的(link-dense)网络模型 现有的网络加权方法 Independent paths, betweenness centrality 基于二值网络而不是源数据进行计算 算法极其耗时 激活力(Activation Forces) 如何对连接加权，以获得连接稀疏、节点特征