[目的/意義]在大規(guī)模社交網(wǎng)絡(luò)中快速搜索關(guān)鍵節(jié)點(diǎn)對于輿情的引導(dǎo)和控制具有重要意義。[方法/過程]本文提出一種適用于社交網(wǎng)絡(luò)的局部中心性關(guān)鍵節(jié)點(diǎn)識別算法,該方法綜合評估了節(jié)點(diǎn)的K殼、自身的聚集特性以及鄰居的擴(kuò)散特性和節(jié)點(diǎn)自身傳播狀態(tài),同時體現(xiàn)了節(jié)點(diǎn)在空間上的網(wǎng)絡(luò)位置和鄰居的拓?fù)浣Y(jié)構(gòu)以及在時間上演化特征,評價指標(biāo)更加全面高效。[結(jié)果/結(jié)論]實驗結(jié)果表明,該方法識別的關(guān)鍵節(jié)點(diǎn)對網(wǎng)絡(luò)魯棒性的影響與介數(shù)中心性接近,但計算僅基于節(jié)點(diǎn)局部信息,時間復(fù)雜度低。剔除這些節(jié)點(diǎn)后網(wǎng)絡(luò)的連通性受到較大影響,網(wǎng)絡(luò)聚類系數(shù)降低,平均路徑長度增加。同時,利用SIR傳播模型模擬驗證,以該算法識別的關(guān)鍵節(jié)點(diǎn)為初始傳播源可提升信息傳播范圍和平均傳播速度。 

【文章來源】：現(xiàn)代情報. 2020,40(12)CSSCI

【文章頁數(shù)】：9 頁

【部分圖文】：

網(wǎng)絡(luò)及K殼分解算法示意圖

式(3)中τi代表了節(jié)點(diǎn)i的鄰居節(jié)點(diǎn)的集合，pij定義為邊eij的聚集系數(shù)，qij定義為邊eij的擴(kuò)散系數(shù)，TFi(t)表示節(jié)點(diǎn)的時間演化因子(Time Evolution Factor)。其中:1)邊eij的聚集特性[14-16]可通過節(jié)點(diǎn)i和j的鄰居節(jié)點(diǎn)與eij構(gòu)成的三角形的占比來表示，無法構(gòu)成三角形的鄰居節(jié)點(diǎn)占比表示邊eij的聚集特性。如圖2所示，當(dāng)信息從節(jié)點(diǎn)i經(jīng)過邊eij傳播時，可通過擴(kuò)散特性中的節(jié)點(diǎn)2和節(jié)點(diǎn)3將信息傳播到網(wǎng)絡(luò)中的其他節(jié)點(diǎn)，也可通過聚類特性中的節(jié)點(diǎn)1回傳至節(jié)點(diǎn)j，因此邊的聚類與擴(kuò)散特性通過點(diǎn)的二階鄰居信息，有效地描述了對信息傳播的影響作用。

論證三:能夠發(fā)現(xiàn)重要局部“橋”節(jié)點(diǎn)。Ki C算法綜合考慮了節(jié)點(diǎn)的聚集性和擴(kuò)散性，使既有橋接特性也具有社區(qū)中心性的節(jié)點(diǎn)2和4排名靠前，同時本文提出的算法通過從局部二階節(jié)點(diǎn)的角度來衡量節(jié)點(diǎn)的“橋”特征，使得能夠識別出更重要的“橋”節(jié)點(diǎn)5，觀察圖1可知，將節(jié)點(diǎn)2和4排在首位，將“橋”特性明顯的節(jié)點(diǎn)5排在節(jié)點(diǎn)1前顯然更加合理，所以Ki C算法在識別“橋”特性方面優(yōu)于其他算法。論證四:能夠隨著信息的傳播從時間維度更加準(zhǔn)確地識別關(guān)鍵節(jié)點(diǎn)。觀察圖3，在t=1時刻節(jié)點(diǎn)2為初始信息傳播者，該節(jié)點(diǎn)既具備最重要的網(wǎng)絡(luò)空間特性，又是該時刻唯一信息傳播者，被識別為關(guān)鍵節(jié)點(diǎn)。隨著信息的傳播，在t=2時刻節(jié)點(diǎn)2變?yōu)镽狀態(tài)，節(jié)點(diǎn)3和節(jié)點(diǎn)5變?yōu)镮狀態(tài)，由于節(jié)點(diǎn)2不再具備傳播特性，從輿情傳播的角度來看，該節(jié)點(diǎn)重要性降為0，節(jié)點(diǎn)3變?yōu)樽钪匾?jié)點(diǎn)。當(dāng)t=3時，由于節(jié)點(diǎn)6變?yōu)樾畔鞑フ�，增�?qiáng)了節(jié)點(diǎn)5的信息傳播特性，根據(jù)算法計算結(jié)果此時刻節(jié)點(diǎn)5重要程度超過節(jié)點(diǎn)3。在t=4時刻，由于節(jié)點(diǎn)6變?yōu)榱薘狀態(tài)，此刻節(jié)點(diǎn)3重新變?yōu)樽钪匾?jié)點(diǎn)。從信息傳播的時間維度來看，相較于靜態(tài)空間網(wǎng)絡(luò)，Ki C算法充分結(jié)合網(wǎng)絡(luò)時空特性，能夠有效地根據(jù)節(jié)點(diǎn)的不同傳播狀態(tài)動態(tài)識別關(guān)鍵節(jié)點(diǎn)。

【參考文獻(xiàn)】：
期刊論文
[1]基于點(diǎn)權(quán)的混合K-shell關(guān)鍵節(jié)點(diǎn)識別方法[J]. 王環(huán),朱敏.  華東師范大學(xué)學(xué)報(自然科學(xué)版). 2019(03)
[2]考慮邊聚類與擴(kuò)散特性的信息傳播網(wǎng)絡(luò)結(jié)構(gòu)優(yōu)化算法[J]. 楊李,宋玉蓉,李因偉.  物理學(xué)報. 2018(19)
[3]利用鄰域“結(jié)構(gòu)洞”尋找社會網(wǎng)絡(luò)中最具影響力節(jié)點(diǎn)[J]. 蘇曉萍,宋玉蓉.  物理學(xué)報. 2015(02)



本文編號：3543321