基于多决策属性的社会网络核心节点识别
2018-01-19,
计算机工程 2018年1期
,
(西安理工大学 自动化与信息工程学院,西安 710048)
0 概述
识别社会网络中的核心节点是网络科学的重要研究内容之一,在很多领域具有实际意义。例如:在谣言传播网络中,通过定位关键的传播节点,或者依靠领袖的领导能力引导公众认识,有效阻断谣言的扩散[1];在电信客户流失预测分析中,找出高呼叫量流失客户,将与其连接强度大的客户看作是可能流失的客户[2]。此外,由于网络鲁棒性和脆弱性,一方面通过保护核心节点维持网络的可靠性,另一方面可以通过删除核心节点达到破坏网络的目的[3]。因此,准确地识别出网络中的核心节点是一项具有重要意义的课题。
由于网络中节点的重要性受到多个因素的影响,仅使用单一指标难以准确判断节点的重要程度,因此需要从不同的角度出发,结合多个重要性评价指标进行综合评价。而现有的一些综合评价方法虽然考虑了多项评价指标,但依赖主观判断的指标选取降低了算法的可靠性,而且在评价过程中没有考虑各个指标之间的关联,降低了算法精度[4]。文献[5]结合多个决策属性提出一种基于局部线性嵌入(Locally Linear Embedding,LLE)的综合评价方法,但同时对多个属性进行的评价行为带来了较大的复杂度,限制了算法的扩展使用。文献[6]结合改进的主成分分析法和TOPSIS法,虽然能够有效地计算节点重要性,但其人为选取评价指标构造评价矩阵的过程使得算法缺乏客观性。文献[7]在评价过程中使用因子分析的方法计算各个评价指标间的关联,避免了人为选取的主观性,但是在因子分析的过程中可能会丢失重要信息,降低算法精度。……
登录APP查看全文
