"基于社区的动态网络节点介数中心度更新算法.pdf"
本文主要探讨了在动态社会网络中,如何高效地更新节点的介数中心度。随着互联网技术的快速发展,社会网络的数据量呈现爆炸性增长,传统的静态网络分析方法在处理这种大规模、快速变化的网络时变得力不从心。因此,对网络进行动态分析成为了社会网络数据管理领域的关键研究方向。
节点介数中心度是衡量一个节点在网络中重要性的指标,它反映了该节点对于网络中其他任意两点间最短路径的影响程度。在动态网络中,由于网络结构频繁变化,每次变化都需要重新计算所有节点的介数中心度会导致计算效率极低,这成为了一个亟待解决的问题。
针对这个问题,文章提出了一种基于社区的动态网络节点介数中心度更新算法(Community-Based Node Betweenness Centrality Updating Algorithm,简称CBU)。该算法利用社区结构来优化计算过程,通过维护社区内部及社区之间最短路径的信息,能够快速识别出在网络动态更新中不受影响的节点对,从而避免不必要的计算,显著提高了介数中心度更新的效率。
实验部分,研究人员在真实数据集和合成数据集上验证了该算法的有效性。实验结果表明,CBU算法能够在保证计算准确性的同时,有效地减少计算复杂性,适应动态网络环境的需求。
关键词:节点介数中心度、社区、动态网络、CBU、最短距离。
中图法分类号:TP311
参考文献格式(中文):钱珺,王朝坤,郭高扬.基于社区的动态网络节点介数中心度更新算法.软件学报,2018,29(3):853−868.http://www.jos.org.cn/1000-9825/5457.htm
参考文献格式(英文):Qian J, Wang C K, Guo G Y. Community-based node betweenness centrality updating algorithms in dynamic networks. Ruan Jian Xue Bao/Journal of Software, 2018, 29(3):853−868(in Chinese).http://www.jos.org.cn/1000-9825/5457.htm
这个研究为动态网络分析提供了一种新的、高效的解决方案,有助于在大规模社交网络环境下快速发现关键节点,对网络分析、数据挖掘以及社交网络理解等领域有着重要的理论和实践价值。