|本期目录/Table of Contents|

[1]胡钢,高浩,徐翔.基于多属性偏好信息集结的复杂网络重要节点辨识[J].浙江理工大学学报,2019,41-42(自科四):482-488.
　HU Gang,GAO Hao,XU Xiang.Identify important nodes in complex network based on aggregation of multiattribute preference information[J].Journal of Zhejiang Sci-Tech University,2019,41-42(自科四):482-488.
点击复制

基于多属性偏好信息集结的复杂网络重要节点辨识()
分享到：

浙江理工大学学报[ISSN:1673-3851/CN:33-1338/TS]

卷:
第41-42卷
期数:
2019年自科四期
页码:
482-488
栏目:
出版日期:
2019-06-20

文章信息/Info

Title:
Identify important nodes in complex network based on aggregation of multiattribute preference information
文章编号:
1673-3851 (2019) 07-0482-07
作者:
胡钢; 高浩; 徐翔
安徽工业大学管理科学与工程学院，安徽马鞍山 243032
Author(s):
HU Gang; GAO Hao; XU Xiang
School of Management Science & Engineering, Anhui University of Technology, Ma′anshan 243032, China
关键词:
复杂网络; 重要节点辨识; 多属性决策; 偏好信息集结; 结构洞; 紧密度
分类号:
TP393
文献标志码:
A
摘要:
为了准确辨识复杂网络中的重要节点，避免单一属性指标评价节点重要性出现的偏差，提出了一种基于多属性偏好信息集结的复杂网络重要节点辨识方法。首先根据节点的局部特性、全局特性及空间位置等特性，选取度中心性、介数中心性、紧密度、结构洞、 K 核（ Ks ）五个属性指标构建多属性复杂网络重要节点辨识模型，对节点属性偏好信息进行分析、集结和融合；然后将网络中所有节点作为评价主体，构建复杂网络多属性决策矩阵，根据熵理论对节点属性赋权，计算其与理想重要节点的贴近度，对节点重要性进行精细化排序。将该模型应用到“风筝网络”和“ARPA网络”中，根据节点重要性辨识结果对网络进行破坏性实验，结果表明，该方法的准确性比已有方法更高。

参考文献/References:

［1］ Holme P, Kim B J, Yoon C N, et al. Attack vulnerability of complex networks ［J］. Physical Review E Statistical Nonlinear & Soft Matter Physics, 2002, 65(5):056109.
［2］ 刘建国，任卓明，郭强，等. 复杂网络中节点重要性排序的研究进展［J］. 物理学报，2013，62(17):178901.
［3］ Barabási A L, Bonabeau E. Scalefree networks［J］. Scientific American, 2003, 288(5):60-69.
［4］ Ma Q, Ma J. Identifying and ranking influential spreaders in complex networks with consideration of spreading probability［J］. Physica A: Statistical Mechanics and its Applications, 2017, 465:312-330.
［5］ Liu Y, Tang M, Do Y, et al. Accurate ranking of influential spreaders in networks based on dynamically asymmetric link weights［J］. Physical Review E, 2017, 96(2):022323.
［6］ Albert R, Jeong H, Barabasi A L. The diameter of the world wide web ［J］. Nature, 1999, 401(6):130-131.
［7］ Freeman L C. A set of measures of centrality based on betweenness［J］. Sociometry, 1977, 40(1):35-41.
［8］ Borgatti S P, Everett M G. A Graphtheoretic perspective on centrality ［J］. Social Networks, 2006, 28(4):466-484.
［9］ Kitsak M, Gallosl K, Havlin S, et al. Identification of influential spreaders in complex networks ［J］. Nature Physics, 2010, 6(11):888-893.
［10］ Burt R S. Structureal Holes and Good Ideas ［J］. American Journal of Sociology, 2004, 110(2):349-399.

相似文献/References:

[1]吴丹,赵江.基于复杂网络视角的网络图书广告鲁棒性分析[J].浙江理工大学学报,2018,39-40(社科2):119.
　WU Dan,ZHAO Jiang.Robustness analysis of network bookads based on the view of complex network theory[J].Journal of Zhejiang Sci-Tech University,2018,39-40(自科四):119.
[2]刘君.思想政治课堂语篇的元功能分析[J].浙江理工大学学报,2018,39-40(社科3):237.
　LIU Jun.Meta function analysis of ideological and political education discourse[J].Journal of Zhejiang Sci-Tech University,2018,39-40(自科四):237.

备注/Memo

备注/Memo:
收稿日期：2018-12-07
网络出版日期： 2019-02-27
基金项目：国家自然科学基金项目（51368055,61702006）
作者简介：胡钢（1970-），男，兰州天水人，副教授，博士，主要从事复杂网络、决策分析方面的研究
更新日期/Last Update: 2019-09-16