申请/专利权人：杭州师范大学

申请日：2022-03-23

公开（公告）日：2024-06-28

公开（公告）号：CN114676292B

主分类号：G06F16/903

分类号：G06F16/903;G06F16/9536;G06Q50/00

优先权：

专利状态码：有效-授权

法律状态：2024.06.28#授权;2022.07.15#实质审查的生效;2022.06.28#公开

摘要：本发明公开了一种超网络高影响力节点排序方法。本发明包括数据采集和预处理模块、节点影响力分数计算模块、高影响力节点识别效果评估模块。数据采集和预处理模块包括构建超网络、构建关联矩阵、构建超边的s‑邻接矩阵三个子任务。节点影响力分数计算模块包括计算节点度、计算所有超边之间的s‑距离、计算所有节点之间的高阶距离、计算所有节点的影响力分数、节点排序五个子任务。高影响力节点识别效果评估模块包括对网络进行传播模拟、攻击网络中的高影响力节点两个子任务。本发明方法既考虑了局部信息，又考虑了全局信息，使计算量和信息量之间得到较好平衡，实现了超网络上高影响力节点的识别，能有效地识别超网络中的高影响力节点。

主权项：1.一种超网络高影响力节点排序方法，其特征在于：包括数据采集和预处理模块、节点影响力分数计算模块、高影响力节点识别效果评估模块；所述的数据采集和预处理模块，包括构建超网络、构建关联矩阵、构建超边的s-邻接矩阵三个子任务；具体如下：Ⅰ构建超网络：根据节点与超边间的隶属关系，构建超网络G＝V,E；节点集V＝{v1,v2,…,vN}，N为网络的节点数，vn∈V，n＝1,2,…,N；超边集E＝{e1,e2,…,eM}，M为网络的超边数，em∈E，m＝1,2,…,M，em是节点集的子集，即Ⅱ构建关联矩阵：依据节点和超边间的从属关系，构建超网络的关联矩阵I，若节点vn属于超边em，则In,m＝1，否则In,m＝0；Ⅲ构建超边的s-邻接矩阵：若两条超边之间拥有的共同节点数大于等于s，则该两条超边之间为s-邻接，s-邻接矩阵即若超边eg与eq的共同节点数大于等于s，则矩阵As中的元素Asg,q的取值为超边eg与eq的共同节点数，否则取0；所述的节点影响力分数计算模块，包括计算节点度、计算所有超边之间的s-距离、计算所有节点之间的高阶距离、计算所有节点的影响力分数、节点排序五个子任务；具体如下：1计算所有节点的度：依据构建的关联矩阵，计算出每个节点的度d，即节点的邻居节点个数：i,j∈{1,2,…,N}且j≠i；2计算所有超边之间的s-距离：若超边eg与eq的共同节点数大于等于s，则超边eg与eq之间为s-连通，得到超边之间的s-路径，s-路径为一组超边对构成的序列{en,0,en,1,en,1,en,2,…,en,m-1,en,m}；其中|en,j-1∩en,j|≥s，j＝1,…,m；超边之间的s-距离为超边之间所有s-路径长度的最小值，即如果超边eg与eq之间存在s-路径，则超边eg与eq之间s-距离为超边之间所有s-路径长度的最小值；3计算所有节点之间的高阶距离：根据计算的所有超边之间的s-距离，得到任意节点va与节点vb之间的s-距离：如果存在超边et，使得Ia,t×Ib,t＝1，则节点va与节点vb之间的s-距离t∈{1,2,…,M}，否则g′,q′∈{1,2,…,M}且g′≠q′，eg′为满足va∈eg′的超边集合，eq′为满足vb∈eq′的超边集合；计算节点对间的高阶距离超边间共同节点数的最大值maxs＝max{eg′∩eq′}；如果在给定的s下va无法到达vb，则4计算所有节点的影响力分数5节点排序：基于节点的影响力分数对所有节点进行降序排名，分数越高表示该节点影响力越高；所述的高影响力节点识别效果评估模块，包括对网络进行传播模拟、攻击网络中的高影响力节点两个子任务。

全文数据：

权利要求：

百度查询： 杭州师范大学 一种超网络高影响力节点排序方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD