图卷积融合计算时效网络节点重要性评估分析.pdfVIP

第

57

卷第

5

期浙

江

大

学

学

报(工学版)Vol.57

No.5

2023

年

5

月Journal

of

Zhejiang

University

(Engineering

Science)May

2023

DOI:

10.3785/j.issn.1008-973X.2023.05.009

图卷积融合计算时效网络节点重要性评估分析

1,2134

周传华，操礼春，周家亿，詹凤

(1.

安徽工业大学

管理科学与工程学院，安徽

马鞍山

243032；2.

中国科学技术大学

计算机科学与技术学院，安徽

合肥

230027；3.

国家电网江苏电力营销服务中心，江苏

南京

210019；4.

马鞍山学院，安徽

马鞍山

243100)

摘

要：复杂网络节点的重要性度量与时间属性相关，经典静态网络模型弱化对节点交互时间属性的有效表征.将

深度学习模型迁移到动态图数据上进行端到端系统建模，提出基于图卷积融合计算的时效网络节点重要性综合

评估模型.

通过超邻接矩阵集结时效网络结构特征的动态演化过程，利用图卷积神经网络框架融合计算节点邻

域特征，分析节点时序演化重要性顺序结构，实现节点重要性综合排序.仿真实验结果表明，与基线方法相比，所

提方法得到的Kendall’s

值在所选网络数据集上均表现优良，体现出基于图卷积融合计算的时效网络节点重要

性综合评估方法的有效性和优越性.

关键词：

时效网络；关键节点识别；超邻接矩阵；图卷积神经网络；全局时序效率

中图分类号：

TP

301.6

文献标志码：

A

文章编号：

1008−973X（2023）05−0930−09

Identificationofcriticalnodesintemporalnetworksbasedongraph

convolutionunioncomputing

1,2134

ZHOU

Chuan-hua,

CAO

Li-chun,

ZHOU

Jia-yi,

ZHAN

Feng

(1.

SchoolofManagementScienceandEngineering,AnhuiUniversityofTechnology,Maanshan243032,China;2.

SchoolofComputerSci-

enceandTechnology,UniversityofScienceandTechnologyofChina,Hefei230027,China;3.

MarketingServiceCenterofJiangsuElectric

PowerCo.Ltd,Nanjing210019,China;4.

MaanshanUniversity,Maanshan243100,China)

Abstract:

The

importance

measure

of

nodes

in

complex

networks

is

correlated

with

th