动态网络节点影响力的新模型:性能评估与应用
需积分: 9 62 浏览量
更新于2024-09-10
收藏 1.42MB PDF 举报
本文探讨了一种针对动态网络节点影响力的创新研究方法,它在现有的静态网络影响力度量的基础上,发展出了一种更为精细和动态的模型。静态网络分析虽能提供各时间节点的影响力度量,但难以捕捉节点影响力随时间演变的过程。因此,论文的核心贡献在于将动态网络视为不同时间点网络的叠加,构建了边权重和节点影响力随时间衰减的机制。这个动态网络节点影响力模型适用于加权或无权网络,旨在更准确地描绘节点在动态环境下的影响力变化。
模型的提出基于对动态网络结构动态特性的理解,通过权重衰减机制,考虑了随着时间推移,网络连接强度和节点重要性可能发生的自然减弱。这不仅有助于研究者理解节点在不同时刻的相对重要性,也对诸如信息传播、意见领袖识别等实际应用有着重要意义。
为了验证模型的有效性,研究者在一个模拟网络和三个真实网络环境下进行了广泛的实验。实验结果强有力地证明了新模型不仅能够精确地跟踪动态网络中节点影响力的演变轨迹,而且在实际影响度量上表现出较高的准确性。这对于提升社会网络分析的精确性和实时性具有显著的价值。
作者团队由韩忠明教授领衔,包括毛锐、郑晨烨、赵振东和段大高等硕士研究生,他们的研究方向涵盖了社会网络、数据挖掘、大数据处理等多个领域,展示了跨学科合作在解决复杂网络问题上的优势。这篇论文不仅为动态网络节点影响力研究提供了新的理论框架,也为后续的网络分析技术和应用实践提供了宝贵的参考依据。
2019-08-23 上传
weixin_39840588
- 粉丝: 450
- 资源: 1万+
最新资源
- WPF渲染层字符绘制原理探究及源代码解析
- 海康精简版监控软件:iVMS4200Lite版发布
- 自动化脚本在lspci-TV的应用介绍
- Chrome 81版本稳定版及匹配的chromedriver下载
- 深入解析Python推荐引擎与自然语言处理
- MATLAB数学建模算法程序包及案例数据
- Springboot人力资源管理系统:设计与功能
- STM32F4系列微控制器开发全面参考指南
- Python实现人脸识别的机器学习流程
- 基于STM32F103C8T6的HLW8032电量采集与解析方案
- Node.js高效MySQL驱动程序:mysqljs/mysql特性和配置
- 基于Python和大数据技术的电影推荐系统设计与实现
- 为ripro主题添加Live2D看板娘的后端资源教程
- 2022版PowerToys Everything插件升级,稳定运行无报错
- Map简易斗地主游戏实现方法介绍
- SJTU ICS Lab6 实验报告解析