基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
k-核分解排序法对于度量复杂网络上重要节点的传播影响力具有重要的理论意义和应用价值,但其排序粗粒化的缺陷也不容忽视.最新研究发现,一些真实网络中存在局域连接稠密的特殊构型是导致上述问题的根本原因之一.当前的解决方法是利用边两端节点的外部连边数度量边的扩散性,采取过滤网络边来减少这种稠密结构给k-核分解过程造成的干扰,但这种方法并没有考虑现实网络上存在权重的普遍性.本文利用节点权重和权重分布重新定义边的扩散性,提出适用于加权网络结构的基于冗余边过滤的k-核分解排序算法:filter-core.通过世界贸易网、线虫脑细胞网和科学家合著网等真实网络的SIR (susceptible-infected-recovered)传播模型的仿真结果表明,该算法相比其他加权k-核分解法,能够更准确地度量加权网络上具有重要传播影响力的核心节点及核心层.
推荐文章
基于软件网络加权k-核分析的关键类识别方法
关键类
加权k-核分解
软件网络
程序理解
基于平衡系数的加权网络改进k核算法
加权网络
节点重要性
k核算法
平衡系数
复杂网络
核k-凝聚聚类算法
聚类
k-凝聚
内容中心网络中基于K核分解的缓存决策策略
内容中心网络
缓存决策
介数
K核分解
缓存命中率
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 加权网络中基于冗余边过滤的k-核分解排序算法
来源期刊 物理学报 学科
关键词 加权网络 k-核分解 冗余边 传播影响力
年,卷(期) 2017,(18) 所属期刊栏目 物理学交叉学科及有关科学技术领域
研究方向 页码范围 305-314
页数 10页 分类号
字数 语种 中文
DOI 10.7498/aps.66.188902
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 周靖 西南财经大学经济信息工程学院 4 8 2.0 2.0
2 龚凯 西南财经大学经济信息工程学院 6 14 2.0 3.0
3 罗仕龙 西南财经大学经济信息工程学院 3 8 2.0 2.0
4 唐朝生 河南理工大学计算机科学与技术学院 8 38 3.0 6.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (0)
节点文献
引证文献  (4)
同被引文献  (8)
二级引证文献  (0)
2017(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2017(1)
  • 引证文献(1)
  • 二级引证文献(0)
2019(3)
  • 引证文献(3)
  • 二级引证文献(0)
研究主题发展历程
节点文献
加权网络
k-核分解
冗余边
传播影响力
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
物理学报
半月刊
1000-3290
11-1958/O4
大16开
北京603信箱
2-425
1933
chi
出版文献量(篇)
23474
总下载数(次)
35
总被引数(次)
174683
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
论文1v1指导