相對靜態(tài)網絡,時序網絡可以更準確地刻畫現實網絡的動態(tài)過程。基于時序網絡模型,如何有效地識別重要節(jié)點或者評價時序網絡中一個節(jié)點對其他節(jié)點的影響力,已成為時序網絡研究領域中的一個亟待解決的問題。該文分別從時序網絡拓撲結構和動力學的角度,對現有的時序網絡中的關鍵節(jié)點識別方法進行了系統(tǒng)的回顧,詳細比較各種方法的計算思路、應用場景和優(yōu)缺點。最后總結了這一研究方向幾個待解決的問題,并指出未來可能的發(fā)展方向。 

【文章來源】：電子科技大學學報. 2020,49(02)北大核心

【文章頁數】：24 頁

【參考文獻】：
期刊論文
[1]基于TOPSIS的時序網絡節(jié)點重要性研究[J]. 郭強,殷冉冉,劉建國.  電子科技大學學報. 2019(02)
[2]基于層間相似性的時序網絡節(jié)點重要性研究[J]. 楊劍楠,劉建國,郭強.  物理學報. 2018(04)
[3]在線社交網絡信息傳播機制與動力學研究綜述[J]. 張子柯.  情報學報. 2017(04)
[4]基于復雜網絡和機器學習的P2P用戶違約預測[J]. 林國強,趙毅鳴,況青作,樊瑛.  北京師范大學學報(自然科學版). 2017(01)
[5]移動P2P社會網絡中關鍵節(jié)點發(fā)現方法[J]. 白宇清,李海健,蔡青松.  計算機科學與探索. 2016(03)
[6]時序網絡演化速度對傳播的影響分析[J]. 朱義鑫,張鳳荔,秦志光.  計算機應用. 2014(11)
[7]網絡重要節(jié)點排序方法綜述[J]. 任曉龍,呂琳媛.  科學通報. 2014(13)
[8]復雜網絡中節(jié)點重要性排序的研究進展[J]. 劉建國,任卓明,郭強,汪秉宏.  物理學報. 2013(17)
[9]復雜網絡中最小K-核節(jié)點的傳播能力分析[J]. 任卓明,劉建國,邵鳳,胡兆龍,郭強.  物理學報. 2013(10)



本文編號：3070398