赵 娜，李 杰，王 剑，彭西阳，景 铭，聂永杰，郁 湧*

(1. 云南大学软件学院 昆明 650091；2. 云南大学云南省软件工程重点实验室 昆明 650091；3. 云南电网有限责任公司电力科学研究院 昆明 650217；4. 昆明理工大学信息工程及自动化学院 昆明 650504)

分析复杂网络中的节点重要性，是一个被广泛关注且具有重要意义的研究方向。目前，节点重要性的研究方法主要是针对网络中的所有节点做全局排序，以判断节点重要性[1-3]。然而，“相对于一个或一组特定的节点，网络中哪些节点是最重要的?”这类问题显示了节点的相对重要性、局部重要性同样具有较强的现实意义，尤其是当网络的规模非常大的时候。解决这类问题的一种典型办法就是先量化一个节点相对于一个已知重要节点的重要性(称为相对重要性，有时也称为接近性或者相似性)，再计算一个节点相对已知的重要节点集的重要性，从而找到相对重要节点，即相对重要节点挖掘[4]。如在罪犯关系网络中，通过已知罪犯查找其余罪犯[5-7]；在蛋白质网络中，通过已知致病基因查找未知致病基因[8]，或通过已知染病节点查找或预测风险节点[9]；在传染病网络中，可针对已知感染人员，优先找出易感人群进行治疗、隔离，有效防止病毒的传播和扩散；在电力网络中，通过已知重要断路器或发电单元找出相对重要的断路器、发电单元等进行保护，可有效防止由相继故障引起的大范围停电。可见，挖掘网络中的相对重要节点具有重要的应用价值。……