基于数据场的复杂网络节点影响力建模与仿真

• 作者: 王行甫 苗付友 邵晨曦 陈小齐
• 来源期刊: 系统仿真学报
• 学科: 工学
• 关键词: 复杂网络 节点影响力 混合度分解 数据场 仿真
• 年，卷（期）: 2020,（7）
• 所属期刊栏目: 仿真建模理论与方法
• 页码范围: 1257-1266
• 页数: 10页
• 分类号: TP391.9
• 语种: 中文
• DOI: 10.16182/j.issn1004731x.joss.18-0837

摘要

复杂网络节点影响力的研究是数据挖掘的重要组成部分.挖掘出复杂网络中有影响力的节点不仅具有重要的学术意义,且有助于抑制流行病的爆发、控制谣言的传播和推广电子商务产品等.通过选取每个节点的混合度分解值Mixed Degree Decomposition,DD)作为质量,将复杂网络抽象为数据场,结合数据场模型来识别有影响力的节点,并与一些著名的节点中心性方法进行对比.使用经典的传染病模型(Susceptible-Infected-Recovered,SIR)通过对比感染节点的数量来评估仿真性能.对实际网络的仿真实验结果表明,数据场模型能够有效的识别网络中有影响力的节点.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	邵晨曦	中国科学技术大学计算机科学与技术学院	40	445	12.0	19.0
2	王行甫	中国科学技术大学计算机科学与技术学院	38	412	10.0	19.0
3	苗付友	中国科学技术大学计算机科学与技术学院	45	448	10.0	19.0
4	陈小齐	中国科学技术大学计算机科学与技术学院	1	0	0.0	0.0