- 1、本文档共6页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
小型微型计算机系统2021年2月第2期
JournalofChineseComputerSystemsVol.42No.22021
利用网络表征学习辨识复杂网络节点影响力
杨旭华,
熊帅
(浙江工业大学计算机科学与技术学院杭州
,310023)
:
E-mailxhyang@
发现复杂网络中最具影响力的节点有助于分析和控制网络中的信息传播
:,,
摘要具有重要的理论意义和实用价值.传统的
确定节点影响力的方法大多基于网络的邻接矩阵拓扑结构等,基于网络表征学习
、普遍存在数据维度高和数据稀疏的问题,,本
文提出了一种局部中心性指标来辨识网络中高影响节点(NLC),首先采用DeepWalk算法,把高维网络中餉节点映射为一个低
维空间的向量表示;,
并计算局部节点对之间的欧氏距离接着根据网络的拓扑结构计算每个节点在信息的传播过程中,
,对所在
局部的影响力大小,,以和传播模型作为评价手段,算法和度中心
用以识别高影响力节点.在八个真实网络中SIRSI将NLC
性、
接近中心性介数中心性邻居核中心性半局部中心性做了对比结果表明算法具有良好的识别高影响力传播节点飴
、、、,NLC
性能.
关键词:节点影响力网络表征学习;
;局部节点中心性;复杂网络
中图分类号:文献标识码:A文章编号:1000-1220(2021)02-0418-06
TP301
ofNodeInfluenceUsing
IdentiflcationNetworkRepresentationLearninginComplexNetwork
YANGXu-hua,XIONGShuai
(ComputerScienceandTechnologyCollege,ZhejiangUniversityofTechnology,Hangzhou310023.China)
:helpfulthe
AbstractFindingthemostinfluentialnodesincomplexnetworksistoanalyzeandcontrolpropagat
文档评论(0)