典型文献
基于全局—局部属性的复杂网络节点综合影响力评估算法
文献摘要：
挖掘网络中的关键节点在信息传播、病毒营销、舆论控制等的演进过程中发挥着巨大的作用,关键节点的识别可以有效地帮助控制网络攻击、检测金融风险、抑制病毒和谣言的传播、防止恐怖袭击等.为了突破现有节点影响力评估方法存在的算法复杂度高、准确度低以及评价指标内在作用机制评估角度片面的限制,提出了一种识别关键节点的综合影响力(CI,comprehensive influence)评估算法.该算法通过同时处理网络的局部和全局拓扑来对节点重要性进行排序,从多个角度整合网络属性信息,提供更全面的节点重要性度量.算法中的全局属性考虑的是邻居节点以及节点之间的最短距离,节点的信息熵用来表示节点的局部属性,通过一个参数来调整全局和局部属性的权重比.使用SIR(susceptible infected recovered)模型和Kendall相关系数作为评价标准,在不同规模的现实世界网络上进行实验分析,结果表明,所提出的方法能在识别关键节点方面优于介数中心性(BC,betweenness centrality)、接近中心性(CC,closeness centrality)、重力指数中心性(GIC,gravity index centrality)、全局结构模型(GSM,global structure model)等著名的启发式算法,并且具有更好的排序单调性、更稳定的度量结果,对网络拓扑的适应性更强,适用于绝大多数具有不同结构的真实网络.
文献关键词：
关键节点;复杂网络;节点信息熵;多属性综合评估
中图分类号：
作者姓名：
蒋伟进;杨莹;罗田甜;周文颖;李恩;张小威
作者机构：
湖南工商大学计算机学院,湖南 长沙 410205;数据智能与智慧社会国家重点实验室(培育)基地,湖南 长沙 410205;湖南工商大学前沿交叉学院,湖南 长沙 410205
文献出处：
引用格式：
[1]蒋伟进;杨莹;罗田甜;周文颖;李恩;张小威-.基于全局—局部属性的复杂网络节点综合影响力评估算法)[J].物联网学报,2022(03):133-145
A类：
多属性综合评估
B类：
部属,复杂网络,网络节点,综合影响,影响力评估,评估算法,关键节点,信息传播,演进过程,控制网络,网络攻击,金融风险,谣言,恐怖袭击,节点影响力,算法复杂度,别关,comprehensive,influence,扑来,节点重要性,属性信息,重要性度量,全局属性,邻居节点,短距离,整全,权重比,SIR,susceptible,infected,recovered,Kendall,不同规模,现实世界,介数中心性,BC,betweenness,centrality,接近中心性,CC,closeness,GIC,gravity,全局结构,GSM,global,structure,model,启发式算法,单调性,更稳,网络拓扑,多数具,真实网络,节点信息熵
AB值：
0.478758
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。
