典型文献
基于DynamicRank的重要节点集挖掘算法
文献摘要：
为了更为有效地挖掘复杂网络中综合影响力高的节点集、提高重要节点集挖掘算法的准确性,针对节点集中各节点在信息传播中不同程度的相互促进和相互抑制作用,基于DynamicRank算法设计了一种新的级联概率计算模型.通过增强贪心策略,优先从种子集邻居以外的节点中选取备选节点,减小种子集内重叠邻居对信息传播引发的抑制作用;利用级联概率计算模型,增强种子集对信息传播的级联促进作用.在4个实际网络上采用SIR模型进行了测试,实验结果表明,相较于已有重要节点挖掘方法H-index、Degree、DynamicRank、VoteRank和EnRe-new,提出的算法挖掘出的节点集具有更高影响力.特别地,在Grid数据集上,本文方法挖掘出的种子集的传播范围比对比算法平均提升了49.3％.提出的算法针对信息传播概率和贪心策略的改进有利于重要节点集的挖掘和识别.
文献关键词：
复杂网络;重要节点;动力学排序;贪心算法
中图分类号：
作者姓名：
朱华;潘侃;王磊;陈端兵
作者机构：
云南电网有限责任公司电力科学研究院 昆明650217;成都数之联科技股份有限公司 成都610041;电子科技大学大数据研究中心 成都611731
文献出处：
引用格式：
[1]朱华;潘侃;王磊;陈端兵-.基于DynamicRank的重要节点集挖掘算法)[J].重庆邮电大学学报（自然科学版）,2022(05):869-876
A类：
DynamicRank,VoteRank,EnRe,动力学排序
B类：
重要节点,点集,挖掘算法,复杂网络,综合影响,信息传播,算法设计,概率计算,贪心策略,种子集,邻居,点中,备选,小种,SIR,挖掘方法,Degree,new,挖掘出,高影响,Grid,传播范围,对比算法,传播概率,进有,贪心算法
AB值：
0.289772
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
