CN111008311A - 基于邻域弱连接的复杂网络节点重要性评估方法和装置 - Google Patents

基于邻域弱连接的复杂网络节点重要性评估方法和装置 Download PDF

Info

Publication number
CN111008311A
CN111008311A CN201911354212.9A CN201911354212A CN111008311A CN 111008311 A CN111008311 A CN 111008311A CN 201911354212 A CN201911354212 A CN 201911354212A CN 111008311 A CN111008311 A CN 111008311A
Authority
CN
China
Prior art keywords
node
evaluated
neighborhood
importance
weak connection
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201911354212.9A
Other languages
English (en)
Other versions
CN111008311B (zh
Inventor
阮逸润
汤俊
白亮
老松杨
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
National University of Defense Technology
Original Assignee
National University of Defense Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by National University of Defense Technology filed Critical National University of Defense Technology
Priority to CN201911354212.9A priority Critical patent/CN111008311B/zh
Publication of CN111008311A publication Critical patent/CN111008311A/zh
Application granted granted Critical
Publication of CN111008311B publication Critical patent/CN111008311B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/901—Indexing; Data structures therefor; Storage structures
    • G06F16/9024—Graphs; Linked lists
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/903—Querying
    • G06F16/90335—Query processing

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Computational Linguistics (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本申请涉及一种基于邻域弱连接的复杂网络节点重要性评估方法和装置。所述方法包括：获取待评估事件；根据待评估事件，构建节点网络图，获取节点网络图中待评估节点以及待评估节点对应的邻域节点集合，获取待评估节点与邻域节点集合中节点的弱连接特征，根据弱连接特征和待评估节点的度值，计算得到待评估节点对应的重要性指标，确定重要性指标越低，待评估节点的重要性越高。采用本方法能够显著提高节点重要性评估的效率。

Description

基于邻域弱连接的复杂网络节点重要性评估方法和装置
技术领域
本申请涉及计算机技术领域，特别是涉及一种基于邻域弱连接的复杂网络节点重要性评估方法和装置。
背景技术
关键节点的识别是网络鲁棒性、流行病控制和网络蓄意攻击研究的重要课题，通过识别关键节点，可以确定网络鲁棒性、流行病控制和网络蓄意攻击的源头，从而有效的解决问题。
然而在大规模网络节点图的重要性分析中，通常采用的是将该关键节点删除后对整个网络节点图的影响程度来分析，然而网络节点图中数据量庞大，通过删除法进行分析的效率低下。
发明内容
基于此，有必要针对上述技术问题，提供一种能够节点重要性评估效率低问题的基于邻域弱连接的复杂网络节点重要性评估方法和装置。
一种基于邻域弱连接的复杂网络节点重要性评估方法，所述方法包括：
获取待评估事件；
根据待评估事件，构建节点网络图；所述节点网络图中每个节点表示一个待评估事件，所述节点之间相互连接表示待评估事件之间的关系；
获取所述节点网络图中待评估节点以及所述待评估节点对应的邻域节点集合；
获取所述待评估节点与所述邻域节点集合中节点的弱连接特征；
根据所述弱连接特征和所述待评估节点的度值，计算得到待评估节点对应的重要性指标；
确定所述重要性指标越低，所述待评估节点的重要性越高。
在其中一个实施例中，还包括：获取所述待评估节点与所述邻域节点集合中节点的弱连接特征为：
Figure BDA0002335447970000021
其中，Sij表示弱连接特征，N(i)表示节点i的邻域节点集合，N(j)表示节点j的邻域节点集合，ki和kj分别表示节点i和节点j的度值。
在其中一个实施例中，还包括：根据所述弱连接特征和所述待评估节点的度值，计算得到待评估节点对应的重要性指标为：
Figure BDA0002335447970000022
其中，BCNi表示重要性指标。
一种基于邻域弱连接的复杂网络节点重要性评估装置，所述装置包括：
节点图构建模块，用于获取待评估事件；根据待评估事件，构建节点网络图；所述节点网络图中每个节点表示一个待评估事件，所述节点之间相互连接表示待评估事件之间的关系；
特征提取模块，用于获取所述节点网络图中待评估节点以及所述待评估节点对应的邻域节点集合；获取所述待评估节点与所述邻域节点集合中节点的弱连接特征；
评估模块，用于根据所述弱连接特征和所述待评估节点的度值，计算得到待评估节点对应的重要性指标；确定所述重要性指标越低，所述待评估节点的重要性越高。
一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
获取待评估事件；
根据待评估事件，构建节点网络图；所述节点网络图中每个节点表示一个待评估事件，所述节点之间相互连接表示待评估事件之间的关系；
获取所述节点网络图中待评估节点以及所述待评估节点对应的邻域节点集合；
获取所述待评估节点与所述邻域节点集合中节点的弱连接特征；
根据所述弱连接特征和所述待评估节点的度值，计算得到待评估节点对应的重要性指标；
确定所述重要性指标越低，所述待评估节点的重要性越高。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
获取待评估事件；
根据待评估事件，构建节点网络图；所述节点网络图中每个节点表示一个待评估事件，所述节点之间相互连接表示待评估事件之间的关系；
获取所述节点网络图中待评估节点以及所述待评估节点对应的邻域节点集合；
获取所述待评估节点与所述邻域节点集合中节点的弱连接特征；
根据所述弱连接特征和所述待评估节点的度值，计算得到待评估节点对应的重要性指标；
确定所述重要性指标越低，所述待评估节点的重要性越高。
上述基于邻域弱连接的复杂网络节点重要性评估方法和装置，通过将待评估事件转化为节点网络图，然后通过综合评价待评估节点的连接数与弱连接特征，就可以确定待评估节点对于整个节点网络图的重要性程度，无需遍历整个网络节点，就可以确定节点重要性，显著的提高的节点重要性评估的效率。
附图说明
图1为一个实施例中基于邻域弱连接的复杂网络节点重要性评估方法的流程示意图；
图2为一个实施例中网络节点图的示意图结构图；
图3为一个实施例中基于邻域弱连接的复杂网络节点重要性评估装置的结构框图；
图4为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
在一个实施例中，如图1所示，提供了一种基于邻域弱连接的复杂网络节点重要性评估方法，该方法可以运行于终端中，包括以下步骤：
步骤102，获取待评估事件。
待评估事件可以是网络鲁棒性事件、流行病控制事件以及网络蓄意攻击事件等，以网络蓄意攻击为例，网络蓄意攻击有一个或者多个源头，通过向其他用户发送蓄意攻击的任务，从而在网络上进行大规模的网络攻击，一般而言，可以获取到用户与用户之间通过网络的交互信息，从而形成事件与事件之间的关系。
在一个具体实施例中，可以通过爬虫获取待评估事件。
步骤104，根据待评估事件，构建节点网络图。
节点网络图中每个节点表示一个待评估事件，节点之间相互连接表示待评估事件之间的关系。具体的，节点网络图可以采用G＝(V,E)表示，其中V表示节点网络图中的节点集合，E表示节点之间连接边的集合，在用节点网络图表示待评估事件时，所有待评估事件组成节点网络图中的V集合，所有待评估事件之间的联系，采用集合E表示。从而根据待评估事件，构建得到节点网络图。
步骤106，获取节点网络图中待评估节点以及待评估节点对应的邻域节点集合。
待评估节点指的是节点网络图中的一个节点，终端可以读取到待评估节点的信息。通过待评估节点连接边的关系，可以确定待评估节点对应的邻域节点集合。
步骤108，获取待评估节点与邻域节点集合中节点的弱连接特征。
弱连接特征指的是基于弱连接理论计算得到的特征值，通过弱连接特征的大小，可以确定两个节点之间的联系程度。
步骤110，根据弱连接特征和待评估节点的度值，计算得到待评估节点对应的重要性指标。
度值指的是节点所拥有边的数量，如一个节点有4条边与其他节点连接，则其度值为4。值得说明的是，本发明不限于4条边，根据终端读取节点网络图中待评估节点的实际信息为准。重要性指标值得是弱连接特征和待评估节点的度值通过求和、相乘等操作得到的指标，用于评估待评估节点对于整个节点网络图的重要性。一般而言，重要性指标越小，待评估节点在保持网络结构连通性方面的作用变得更加重要，从而可以确定重要性指标越小，待评估节点对于整个节点网络图的重要性越大。
步骤112，确定重要性指标越低，待评估节点的重要性越高。
上述基于邻域弱连接的复杂网络节点重要性评估方法中，通过将待评估事件转化为节点网络图，然后通过综合评价待评估节点的连接数与弱连接特征，就可以确定待评估节点对于整个节点网络图的重要性程度，无需遍历整个网络节点，就可以确定节点重要性，显著的提高的节点重要性评估的效率。
在一个实施例中，计算弱连接特征的步骤包括：
获取所述待评估节点与所述邻域节点集合中节点的弱连接特征为：
Figure BDA0002335447970000051
其中，Sij表示弱连接特征，N(i)表示节点i的邻域节点集合，N(j)表示节点j的邻域节点集合，ki和kj分别表示节点i和节点j的度值。
在其中一个实施例中，计算重要性指标的步骤包括：根据所述弱连接特征和所述待评估节点的度值，计算得到待评估节点对应的重要性指标为：
Figure BDA0002335447970000052
其中，BCNi表示重要性指标。
在其中一个实施例中，以一个具体实施例对本发明进行说明，如图2(a)和图2(b)所示，以图2(a)中的节点i为例，节点i的4个邻居节点a,b,c,d之间无连接，节点i位于节点a,b,c,d之间的最短路径上，因此节点a,b,c,d之间传输信息需要依赖于节点i，i对它们有直接的信息控制能力，去除节点i对于局部网络中的信息传输影响很大。而在图2(b)中，节点i的邻居a,b,c,d之间有多条连接，即使移除节点i，a,b,c,d之间依然是可达的，a,b,c,d之间信息传输受到节点i的制约并不明显，因此认为图2(b)中节点i的结构重要性要小于图2(a)中的节点i。
以图2中的节点i和j为例，i和它的四个邻居的链接强度Sia＝Sib＝Sic＝Sid＝0，我们可以轻松地计算BCNi＝0.25。对于节点j，则得到BCNj＝0.254。所提出的算法将较小的BCN值分配给节点i。因此本发明可有效对网络节点重要性进行识别计算。
应该理解的是，虽然图1的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图1中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，如图3所示，提供了一种基于邻域弱连接的复杂网络节点重要性评估装置，包括：节点图构建模块302、特征提取模块304和评估模块306，其中：
节点图构建模块302，用于获取待评估事件；根据待评估事件，构建节点网络图；所述节点网络图中每个节点表示一个待评估事件，所述节点之间相互连接表示待评估事件之间的关系；
特征提取模块304，用于获取所述节点网络图中待评估节点以及所述待评估节点对应的邻域节点集合；获取所述待评估节点与所述邻域节点集合中节点的弱连接特征；
评估模块306，用于根据所述弱连接特征和所述待评估节点的度值，计算得到待评估节点对应的重要性指标；确定所述重要性指标越低，所述待评估节点的重要性越高。
在其中一个实施例中，特征提取模块304还用于获取所述待评估节点与所述邻域节点集合中节点的弱连接特征为：
Figure BDA0002335447970000071
其中，Sij表示弱连接特征，N(i)表示节点i的邻域节点集合，N(j)表示节点j的邻域节点集合，ki和kj分别表示节点i和节点j的度值。
在其中一个实施例中，评估模块306还用于根据所述弱连接特征和所述待评估节点的度值，计算得到待评估节点对应的重要性指标为：
Figure BDA0002335447970000072
其中，BCNi表示重要性指标。
关于基于邻域弱连接的复杂网络节点重要性评估装置的具体限定可以参见上文中对于基于邻域弱连接的复杂网络节点重要性评估方法的限定，在此不再赘述。上述基于邻域弱连接的复杂网络节点重要性评估装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图4所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于邻域弱连接的复杂网络节点重要性评估方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图4中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，该存储器存储有计算机程序，该处理器执行计算机程序时实现上述实施例中方法的步骤。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述实施例中方法的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (6)

1.一种基于邻域弱连接的复杂网络节点重要性评估方法，所述方法包括：
获取待评估事件；
根据待评估事件，构建节点网络图；所述节点网络图中每个节点表示一个待评估事件，所述节点之间相互连接表示待评估事件之间的关系；
获取所述节点网络图中待评估节点以及所述待评估节点对应的邻域节点集合；
获取所述待评估节点与所述邻域节点集合中节点的弱连接特征；
根据所述弱连接特征和所述待评估节点的度值，计算得到待评估节点对应的重要性指标；
确定所述重要性指标越低，所述待评估节点的重要性越高。
2.根据权利要求1所述的方法，其特征在于，获取所述待评估节点与所述邻域节点集合中节点的弱连接特征，包括：
获取所述待评估节点与所述邻域节点集合中节点的弱连接特征为：
Figure FDA0002335447960000011
其中，Sij表示弱连接特征，N(i)表示节点i的邻域节点集合，N(j)表示节点j的邻域节点集合，ki和kj分别表示节点i和节点j的度值。
3.根据权利要求1或2所述的方法，其特征在于，根据所述弱连接特征和所述待评估节点的度值，计算得到待评估节点对应的重要性指标，包括：
根据所述弱连接特征和所述待评估节点的度值，计算得到待评估节点对应的重要性指标为：
Figure FDA0002335447960000012
其中，BCNi表示重要性指标。
4.一种基于邻域弱连接的复杂网络节点重要性评估装置，其特征在于，所述装置包括：
节点图构建模块，用于获取待评估事件；根据待评估事件，构建节点网络图；所述节点网络图中每个节点表示一个待评估事件，所述节点之间相互连接表示待评估事件之间的关系；
特征提取模块，用于获取所述节点网络图中待评估节点以及所述待评估节点对应的邻域节点集合；获取所述待评估节点与所述邻域节点集合中节点的弱连接特征；
评估模块，用于根据所述弱连接特征和所述待评估节点的度值，计算得到待评估节点对应的重要性指标；确定所述重要性指标越低，所述待评估节点的重要性越高。
5.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至3中任一项所述方法的步骤。
6.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至3中任一项所述的方法的步骤。
CN201911354212.9A 2019-12-25 2019-12-25 基于邻域弱连接的复杂网络节点重要性评估方法和装置 Active CN111008311B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911354212.9A CN111008311B (zh) 2019-12-25 2019-12-25 基于邻域弱连接的复杂网络节点重要性评估方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911354212.9A CN111008311B (zh) 2019-12-25 2019-12-25 基于邻域弱连接的复杂网络节点重要性评估方法和装置

Publications (2)

Publication Number Publication Date
CN111008311A true CN111008311A (zh) 2020-04-14
CN111008311B CN111008311B (zh) 2023-07-21

Family

ID=70118135

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911354212.9A Active CN111008311B (zh) 2019-12-25 2019-12-25 基于邻域弱连接的复杂网络节点重要性评估方法和装置

Country Status (1)

Country Link
CN (1) CN111008311B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112073220A (zh) * 2020-08-14 2020-12-11 合肥本源量子计算科技有限责任公司 一种网络评价模型的构建方法及装置
CN115294758A (zh) * 2022-06-20 2022-11-04 杭州未名信科科技有限公司 一种时序网络节点挖掘方法和系统

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8272061B1 (en) * 2002-10-01 2012-09-18 Skyobox security Inc. Method for evaluating a network
CN105471637A (zh) * 2015-11-20 2016-04-06 中国矿业大学 一种复杂网络节点重要性评估方法及系统
US20160124956A1 (en) * 2014-10-30 2016-05-05 Linkedin Corporation Quantifying social capital
CN105740381A (zh) * 2016-01-27 2016-07-06 北京工业大学 一种基于复杂网络特性及神经网络聚类挖掘用户兴趣的方法
CN107203619A (zh) * 2017-05-25 2017-09-26 电子科技大学 一种复杂网络下的核心子图提取算法
US9838260B1 (en) * 2014-03-25 2017-12-05 Amazon Technologies, Inc. Event-based data path detection
CN107453919A (zh) * 2017-08-31 2017-12-08 中国人民解放军国防科技大学 复杂网络节点重要性评估方法及系统
CN109034562A (zh) * 2018-07-09 2018-12-18 中国矿业大学 一种社交网络节点重要性评估方法及系统
US20190155926A1 (en) * 2017-11-20 2019-05-23 International Business Machines Corporation Knowledge graph node expiration
EP3547622A1 (en) * 2018-03-29 2019-10-02 Mitsubishi Electric R&D Centre Europe B.V. Method for network management and apparatus for implementing the same

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8272061B1 (en) * 2002-10-01 2012-09-18 Skyobox security Inc. Method for evaluating a network
US9838260B1 (en) * 2014-03-25 2017-12-05 Amazon Technologies, Inc. Event-based data path detection
US20160124956A1 (en) * 2014-10-30 2016-05-05 Linkedin Corporation Quantifying social capital
CN105471637A (zh) * 2015-11-20 2016-04-06 中国矿业大学 一种复杂网络节点重要性评估方法及系统
CN105740381A (zh) * 2016-01-27 2016-07-06 北京工业大学 一种基于复杂网络特性及神经网络聚类挖掘用户兴趣的方法
CN107203619A (zh) * 2017-05-25 2017-09-26 电子科技大学 一种复杂网络下的核心子图提取算法
CN107453919A (zh) * 2017-08-31 2017-12-08 中国人民解放军国防科技大学 复杂网络节点重要性评估方法及系统
US20190155926A1 (en) * 2017-11-20 2019-05-23 International Business Machines Corporation Knowledge graph node expiration
EP3547622A1 (en) * 2018-03-29 2019-10-02 Mitsubishi Electric R&D Centre Europe B.V. Method for network management and apparatus for implementing the same
CN109034562A (zh) * 2018-07-09 2018-12-18 中国矿业大学 一种社交网络节点重要性评估方法及系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
MULUNEH MEKONNEN TULU: "Finding Important Nodes Based on Community Structure and Degree of Neighbor Nodes to Disseminate Information in Complex Networks", 2017 3RD IEEE INTERNATIONAL CONFERENCE ON COMPUTER AND COMMUNICATIONS, pages 269 - 273 *
宋甲秀;杨晓翠;张曦煌;: "复杂网络中Top-k影响力节点的识别算法", 计算机科学与探索, no. 06 *
王竣德: "基于节点负载容忍度的相依网络鲁棒性研究", 物理学报, vol. 39, no. 11, pages 2477 - 2483 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112073220A (zh) * 2020-08-14 2020-12-11 合肥本源量子计算科技有限责任公司 一种网络评价模型的构建方法及装置
CN115294758A (zh) * 2022-06-20 2022-11-04 杭州未名信科科技有限公司 一种时序网络节点挖掘方法和系统
CN115294758B (zh) * 2022-06-20 2024-05-31 杭州未名信科科技有限公司 一种时序网络节点挖掘方法和系统

Also Published As

Publication number Publication date
CN111008311B (zh) 2023-07-21

Similar Documents

Publication Publication Date Title
CN110209652B (zh) 数据表迁移方法、装置、计算机设备和存储介质
CN110995520B (zh) 网络流量预测方法、装置、计算机设备及可读存储介质
CN111126668A (zh) 基于图卷积网络的Spark作业时间预测方法和装置
CN112910710A (zh) 网络流量时空预测方法、装置、计算机设备和存储介质
CN111008311B (zh) 基于邻域弱连接的复杂网络节点重要性评估方法和装置
CN110806509A (zh) 雷电活动空间特征检测方法和装置
CN110990135A (zh) 基于深度迁移学习的Spark作业时间预测方法和装置
CN115795928A (zh) 基于伽马过程的加速退化试验数据处理方法和装置
CN115618208A (zh) 数据修复方法、装置、计算机设备和存储介质
CN111934937B (zh) 基于重要性迭代的相依网络节点重要度评估方法和装置
CN113566831A (zh) 基于人机交互的无人机集群导航方法、装置和设备
CN113704309B (zh) 图数据处理方法、装置、计算机设备和存储介质
CN112765716B (zh) 目标钢筋获取方法、装置、设备和介质
CN114297585A (zh) 社交网络中重要节点排序方法、装置和计算机设备
CN115758271A (zh) 数据处理方法、装置、计算机设备和存储介质
CN112395774B (zh) 一种基于硬件结构树的设备分层健康状态评估方法和装置
CN110737934B (zh) 老虎窗屋面桁架节点的生成方法、装置和存储介质
CN113094052A (zh) 应用构建方法、装置、计算机设备和存储介质
CN114297572B (zh) 社交网络中节点传播影响力识别方法、装置和计算机设备
CN117851959B (zh) 基于fhgs的动态网络子图异常检测方法、装置和设备
CN110704899B (zh) 老虎窗模型与屋面洞口模型的连接节点放置方法及装置
CN111310906A (zh) 神经形态芯片中计算核的布局的方法、装置及设备
CN115033888B (zh) 基于熵的固件加密检测方法、装置、计算机设备及介质
CN116436799B (zh) 复杂网络节点重要性评估方法、装置、设备和存储介质
CN110765513B (zh) 墙龙骨模型和l型顶导梁模型的连接节点放置方法和产品

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant