[发明专利]基于相似度和TrustRank算法的节点测试重要度评估方法

权利要求书

1.一种基于相似度和TrustRank算法的节点测试重要度评估方法，其特征在于，具体步骤为：

步骤1、建立节点重要度评分矩阵，确定节点的初步评分；

步骤2、根据节点间相似度构建节点相似性矩阵；

步骤3、依据节点间相关系数和依赖特征数确定校正系数；

步骤4、利用TrustRank算法获得节点重要度稳定值，确定节点测试重要度。

2.根据权利要求1所述的基于相似度和TrustRank算法的节点测试重要度评估方法，其特征在于，步骤1中建立节点重要度评分矩阵，确定节点的初步评分的具体步骤为：

步骤1.1、设立一个由n个类构成的软件系统，将所有的类抽象为节点集合V＝{v1,v2,…,vn}，vn表示节点集合中的节点，节点之间的所有静态和动态依赖关系抽象为连边集合E＝{<vi,vj>|vi,vj∈V}，vi和vj表示节点集合中的任意两个节点，i,j∈{1,2,…,n}，n为节点的个数，软件系统即表示为有向网络G＝(V,E)；

步骤1.2、确定有向网络G中各节点vi的重要性测度值，包括介数中心性bci、核数corei、接近度cci及邻居效率nei；

步骤1.3、对各重要性测度值进行归一化处理，得到归一化后的重要性测度指标矩阵X＝(xiu)，xiu表示重要性测度指标；

步骤1.4、根据熵权法确定各重要性测度指标权重，构建加权规范矩阵，具体为：

确定各指标的熵，计算公式为：

式中，n为节点的个数，m为选定测度的个数，xiu为归一化后的重要性测度指标矩阵X中对应位置的元素；

确定各指标的熵权值：

则重要性测度指标的熵权矩阵为W＝(ωu)1×m，获得加权规范矩阵：

式中，1≤i≤n，1≤u≤m；

步骤1.5、利用TOPSIS法计算有向网络G中各节点vi的初步评分，具体计算方法为：

根据加权规范矩阵Y确定正理想决策方案A+和负理想决策方案A-，其中：

确定每个节点每种测度距离理想值的距离：

确定各节点vi与理想值的贴近度zi，具体计算公式为：

则评估结果为Z＝{z1,z2,…,zn}，Z即节点的重要度评分矩阵，zi为节点vi的初步评分。