典型文献
基于图神经网络的机会网络节点重要度评估方法
文献摘要：
机会网络(opportunistic network)是一种利用节点移动的相遇机会实现通信的自组织网络,机会式的通信方式导致其具有时变性与动态性,节点重要度的评估是研究机会网络信息传播的关键.提出一种基于图神经网络的机会网络节点重要度评估方法.将机会网络进行时间切片,对得到的机会网络单元采用聚合图建模,以表征网络信息;采用动态网络嵌入模型提取机会网络单元间的时序变化信息、拓扑结构信息,得到网络的动态属性特征;借助图神经网络(graph neural network,GNN)在图数据处理上的优势,获得网络动态属性特征与节点重要度之间的映射关系,实现节点重要度的评估.在3个真实机会网络数据集MIT,Haggle,Asturias-er上的实验结果表明:相比于时效介数(temporal betweeness,TB)方法、时效度(temporal degree,TD)方法、时效 PageRank(temporal PageRank 和 f-PageRank)方法以及kshell-CN方法,该方法具有更快的消息传播速率和更大的消息覆盖范围,其SIR和NDCG@10指标更优.
文献关键词：
机会网络;节点重要度;网络嵌入;图神经网络;消息传播速率
中图分类号：
作者姓名：
刘琳岚;谭镇阳;舒坚
作者机构：
南昌航空大学信息工程学院 南昌 330063;南昌航空大学软件学院 南昌 330063
文献出处：
引用格式：
[1]刘琳岚;谭镇阳;舒坚-.基于图神经网络的机会网络节点重要度评估方法)[J].计算机研究与发展,2022(04):834-851
A类：
Haggle,Asturias,betweeness,kshell,消息传播速率
B类：
图神经网络,机会网络,网络节点,节点重要度评估,opportunistic,network,相遇,自组织网络,通信方式,时变性,研究机会,信息传播,时间切片,网络单元,聚合图,图建模,动态网络,网络嵌入,嵌入模型,时序变化,拓扑结构,结构信息,动态属性,属性特征,graph,neural,GNN,图数据,网络动态,映射关系,网络数据,MIT,er,介数,temporal,TB,degree,TD,PageRank,CN,覆盖范围,SIR,NDCG
AB值：
0.349363
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。
