[发明专利]复杂网络中利用广义折扣度与k-shell识别一组关键节点的方法

说明书

本发明公开了一种复杂网络中利用广义折扣度与k‑shell识别一组关键节点的方法，由度中心性启发，用邻居的概念提出了广义折扣度的概念，并利用广义折扣度计算一组节点的度中心性，即一组节点在网络中的邻居数越多则一组节点对网络的影响力越大，同时考虑了k‑shell用于解决网络中单个节点的位置并确定节点对网络的影响。该方法，该算法挖掘所需费用少、传播范围广、传播信息量多；在六个真实网络中进行仿真实验以及结果分析，并与10种其他算法进行对比，发现本发明方法选择的初始传播者分布范围广、传播速度快、传播范围广。

技术领域

本发明涉及复杂网络关键节点簇的挖掘方法技术领域，具体为一种复杂网络的关键节点簇中利用广义折扣度与k-shell相结合来挖掘一组关键节点的方法。

背景技术

近几年，科技迅猛发展，社会生活越来越丰富，各种数据如井喷式产生，数量惊人，形式多样，种类五花八门，如何在如此惊人的数据中挖掘有效信息是目前大家探讨的热点。同时复杂网络研究也应运而生，并且借助着大数据的平台得到了飞速发展。关键节点簇的挖掘是复杂网络数据挖掘中重要的研究内容之一。

网络中的关键节点簇描述了一类在网络中所占的数量一般很少，但是重要程度非常高的节点集合。相比起其它大多数节点，关键节点簇控制着整个网络，例如信息的有效传播，保持网络正常功能、快速瓦解恶意网络等。关键节点簇的特征：如果将它们从网络中移除，可能使网络遭受最大规模的破坏；关键节点簇在网络中的影响能够以最快速有效的方式传播到网络中几乎全部的节点；关键节点簇的范围波及网络的各个方面，例如在网络中信息的传播、流行病控制、故障和拥塞等方面都有重要作用。

目前，基于top-X的中心性的方法尤为适用于考虑单个关键节点的情况。在许多情况下，谣言、想法、观点或广告宣传可能都同时从不同的节点开始，并且需要挖掘关键节点簇(初始传播者)。此时，考虑挖掘关键节点簇时，传统方法通常会根据中心性值对网络中的节点进行排序，并选择排名最靠前的节点作为关键节点簇，即基于top-X方法。但是，基于节点中心性排名来确定关键节点簇仍然存在巨大挑战：存在“相消干涉”现象的关键节点。在某些网络中，若是单单从这些排序关键节点出发进行挖掘，会导致资源浪费，并且不仅不能增强数据挖掘的效果反而会降低其挖掘精度。因此研究一种复杂网络关键节点簇挖掘的方法是十分有必要的。

发明内容

本发明解决目前现有技术指标单一化，在对复杂网络节点进行挖掘时所需费用昂贵、传播范围有限、传播信息量不足，且没有考虑传播者与传播者之间的联系，因此利用广义折扣度与k-shell相结合来挖掘一组关键节点的方法具有广泛的应用前景。

本发明是采用如下技术方案实现的：

一种复杂网络中利用广义折扣度与k-shell识别一组关键节点的方法，包括如下步骤：

步骤一、模型构建

设立一个无向无权的网络G＝(N,M)，有N个节点，M条边，邻接矩阵表示为A＝(A_ij)_N×N，A_ij是邻接矩阵的元素，如果节点i与节点j之间存在链接则A_ij＝1，否则为A_ij＝0；网络中节点i的度为

步骤二、定义1：一组节点的度

复杂网络中，一个节点的度值是与该节点存在直接链接的节点的数目；使用广义折扣度GDD来表示一组节点中单个节点的折扣度，

GDD定义为：

其中S为选择的初始传播者；

一组节点的度定义为：

其中L为所选初始传播者S的大小。

步骤三、定义2：一组节点的GDDKS指标

复杂网络中每个节点的位置不同，其重要性程度也不同；