针对上述问题,我校工程技术学院王双燕博士在梅钢副教授的指导下,基于局部检测和更新的思想,提出了在动态变化的复杂网络中识别影响力节点的高效算法(图1)。为有效验证该算法的可行性和高效性,基于无标度、小世界和随机网络,进行了15组实验测试,并分析了影响力节点影响力的动态变化过程。研究取得的成果如下:
1、基于局部检测和更新的思想,提出了识别动态复杂网络中影响力节点的高效算法。在小世界和随机网络中,所提出的局部检测和更新算法的计算效率是常用全局检测算法效率的3倍左右;在无标度网络中,所提出的局部检测和更新算法的计算效率是常用全局检测算法效率的10倍左右(图2)。
2、如果复杂网络随机等概率地增加或移除边或点,那么影响力节点的影响力会随着复杂网络的演变逐渐降低;由于无标度网络具有显著的异质性特征,无标度网络中多个影响力节点之间的影响力差异要比小世界和随机网络中更为明显。在大尺度复杂网络中,随着复杂网络的演变,影响力节点的影响力基本保持恒定。
3、对于不同的复杂网络和不同的影响力节点衡量指标,多个影响力节点其影响力之间的差异性随复杂网络演变的变化特征会有所不同。如:小世界和随机网络中,多个基于度中心性的影响力节点其影响力之间的差异性会随着复杂网络的演变逐渐变大;相反,无标度网络中,多个影响力节点其影响力之间的差异性会随着复杂网络的演变逐渐变小。无标度和随机网络中,多个基于Jaccard系数计算的影响力节点其影响力之间的差异性会随着复杂网络的演变逐渐变小,而小世界网络中,其差异性逐渐变大。
该研究基于局部检测和更新的思想,提出了识别动态复杂网络中影响力节点的高效算法。该算法思路简单、计算效率高,能够在动态变化的复杂因素下高效识别大规模复杂网络中的影响力节点。适用于影响力节点识别周期短、复杂网络规模较大的计算,为地质灾害下的应急信息传播、社会舆情引导等提供技术支持和科学支撑。

图1. 通过局部检测和更新识别影响力节点的算法流程

图2.所提出的局部检测和更新算法在识别三种网络中影响力节点的计算效率
上述研究成果发表在计算科学国际著名期刊《Future Generation Computer Systems》上:Shuangyan Wang, Salvatore Cuomo, Gang Mei*, Wuyi Cheng, Nengxiong Xu. 2019. Efficient Method for Identifying Influential Vertices in Dynamic Networks Using the Strategy of Local Detection and Updating. Future Generation Computer Systems, 91: 10-24. [IF2017=4.639]
全文链接:http://dx.doi.org/ 10.1016/j.future.2018.08.047 ADDIN EN.REFLIST
附件20190214161536659639.pdf(2.490635MB)