發(fā)布時間：2025-01-01 00:45

　　有效的節(jié)點相似性度量方法有助于深入理解復(fù)雜網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)及動態(tài)特征,發(fā)現(xiàn)信息、流行病、謠言等數(shù)據(jù)在網(wǎng)絡(luò)中的傳播規(guī)律�；�于全局的方法利用節(jié)點間的路徑信息來計算節(jié)點相似性,通常計算代價高,且基于全局路徑的節(jié)點相似性度量方法容易導(dǎo)致大度節(jié)點成為一般相似節(jié)點;基于局部信息的方法利用節(jié)點鄰域相關(guān)的結(jié)構(gòu)信息度量節(jié)點間相似性,降低了計算維度,有助于分析大規(guī)模網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)。但目前存在一些局部方法問題,如基于公共鄰居的度量方法僅使用了較短距的結(jié)構(gòu)信息,使得節(jié)點間的結(jié)構(gòu)差異難以區(qū)分。本文對基于局部信息的節(jié)點相似性度量問題開展研究,提出了兩種基于相對熵的網(wǎng)絡(luò)節(jié)點相似性度量方法,主要工作如下:(1)針對基于隨機(jī)游走的節(jié)點相似性度量模型中存在的大度節(jié)點依賴問題,從信息論的角度提出了一種基于相對熵的隨機(jī)游走相似性度量方法(A random walk similarity measure model based on Relative Entropy,RE-model)。首先根據(jù)隨機(jī)游走模型得到網(wǎng)絡(luò)中節(jié)點的轉(zhuǎn)移概率向量,利用節(jié)點經(jīng)過多步隨機(jī)游走后到達(dá)網(wǎng)絡(luò)中影響力較大的節(jié)點的轉(zhuǎn)移概率來構(gòu)造該節(jié)點的轉(zhuǎn)移概率分布,計算兩個...

【文章頁數(shù)】：72 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖３．１?Ｋａｒａｔｅ網(wǎng)絡(luò)??戶３，３．２ａＭ

?????ｊｊ：相似性ｉｔｉｇｇ???游走相似性度量根據(jù)公式（３．３）得到的每一節(jié)點到網(wǎng)絡(luò)中前ｒ個大度節(jié)點的轉(zhuǎn)移概率??進(jìn)行度量肘，降低了網(wǎng)絡(luò)中一興非重要節(jié)點對實驗結(jié)果的千擾，節(jié)省了大量對間，并??１在對稱性方面表現(xiàn)更好。??３．２實例??為了更好地理解本章所提出的ＲＥ－ｍｏｄｅ....

圖３．２?Ｋａｒａｔｅ網(wǎng)絡(luò)的相關(guān)矩陣??３．３時間復(fù)雜度分析??現(xiàn)有的隨機(jī)游走相似性璨羹通過計算一個粒子從網(wǎng)絡(luò)中每一節(jié)點隨機(jī)游走到任??

ＳＳＳＳＳＳＳＳＳ?圔?｜＿。?ｓｒｓ?ＳＳ?５ＳＳＳＳ８ＳＳＳＢ?１００??１?３?５?７?９?１１?１３?１５?１７?１９?２１?２３?２５?２７?２９?３１?３３?１?３?５?７?９?１１?１３?１５?１７?１９?２１?２３?２５?２７?２９?３１?３３?１?３?５?７?９....

圖３．５?Ｆａｃｅｂｏｏｋ網(wǎng)絡(luò)中節(jié)點感染能力的方差對比圖??

第三￥?—種基于相對墑的隨機(jī)游走：相似性離量＿型???ｓｏｃｆｂ－Ｗｉｌｌｉａｍ７７??１?Ｔ?？?ＲＷ?—?ＲＥ＿ＢＲＷ??ＲＥ＿ＲＷ?？?ＭＥＲＷ??Ｃ?００２５?ｊ?＼?，?ＲＷＲ?—?ＲＥ—ＭＥＲＷ??？Ｅ?ｊ?——?ＲＥ＿ＲＷＲ?ＬＲＷ??｜〇，？〇?Ｉ?％ｌ?－－?Ｂ....

圖３．６?Ｆａｃｅｂｏｏｋ網(wǎng)絡(luò)中節(jié)點恢復(fù)能力的方差對比圖??３．５．２社區(qū)發(fā)現(xiàn)實驗結(jié)果??本節(jié)利用不同的隨機(jī)游走策略及ＲＥ－ｍｏｄｅｌ模型構(gòu)造的相似性矩陣重新刻畫網(wǎng)??

Ｗｉｌｌｉａｍ７７???００５?＊?ＲＷ?—－?ＲＥ＿ＢＲＷ??ＲＥ＿ＲＷ?－＊?ＭＥＲＷ??ｇ?ｌ?ＲＷＲ?—ＲＥ＿ＭＥＲＷ??？Ｚｊ?ＲＥ＿ＲＷＲ?？？?ＬＲＷ??Ｓ?〇－〇４．?ＡＭ．：＇?ＢＲＷ?—ＲＥ＿ＬＲＷ??｜?Ｍ??Ｏ〇〇３?ｉ?Ｉ?＼＇??＾?Ｉ?＼?Ｖ??爸?....

本文編號：4021787