地质灾害下的应急传播研究涉及地球科学、人文科学、复杂性科学、大数据分析等多个交叉领域，是当前科学研究的热点之一。受地理环境差异和社会文化差异的影响，实际社会复杂网络的拓扑结构具有明显的异质性。将真实的复杂系统转换为由点和线构成的复杂网络，有利于直观地分析复杂系统的拓扑结构特征。高效识别复杂网络中的影响力节点有利于分析复杂网络的鲁棒性、恢复力、信息传播能力等功能。在应急信息传播研究领域，影响力节点所传播或抑制的预警、舆情等信息显著影响着整个系统的应急信息传播状态。目前，大部分影响力节点识别算法都是针对静态复杂网络，而针对动态复杂网络的研究工作较少。在实际状况下，绝大部分复杂网络为动态网络，如地质灾害下应急信息传播网络，其动态特征和演变过程显著影响着系统的基本功能。为更真实地模拟重现一个复杂系统，必须研究其动态变化特征。如何快速有效地识别动态网络中影响力节点是本文解决的核心问题。
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)