[发明专利]基于信息传播概率的复杂网络关键节点识别方法

说明书

本发明提出了一种基于信息传播概率的复杂网络关键节点识别方法，包括以下步骤：S1，选定源节点，获得源节点到其余节点对应的路径节点集；S2，根据路径节点集计算每个节点的成功获取源节点信息的概率；S3，计算当前源节点的分数；S4，重复步骤S1～S3，直至遍历所有节点作为源节点，S5，给所有源节点的分数进行排序，分数最高的为关键节点。本发明能够使复杂网络中每个节点的中心性都能够使用本发明专利提出的方法被计算到。且通过构建计算节点之间信息传播概率的计算公式，将路径多样性以及信息传播概率引入到复杂网络关键节点识别中。

技术领域

本发明涉及关键节点识别技术领域，特别是涉及一种基于信息传播概率的复杂网络关键节点识别方法。

背景技术

随着网络科学的兴起，研究者们发现对不同类型网络的研究可以解决许多实际的问题，例如，对社交网络的研究可以抑制谣言和舆情的传播；对生物网络的研究可以了解蛋白质的相互作用；对交通网络的研究可以规划更科学的路线；对金融网络的研究可以在经济博弈中占据有利地位。在很长一段时间内，不同领域的研究对象往往是不同类型的网络，为了研究真实网络之间的共性，研究者们早期试图发现类似小世界与无标度等跨越不同网络的宏观上的普适规律，而人类社会的不断网络化使得研究者们需要对不同类型网络的结构和功能有更为细致的认知。这也导致通过社区和群组结构以及节点和连边等中微观层面去解释不同网络所具有的不同特征已经成为了网络科学研究领域的新热点。通过对社区，节点等个体的分析，有望揭示网络功能上精细入微的特征，并以此解决更多的实际问题。

现如今，关键节点挖掘已经成为了网络科学领域的重要研究内容之一，所谓的关键节点是指对网络的结构与功能起着决定性作用的一些特殊节点。如在抖音这一视频社交平台中，网红和明星的影响力和普通用户的影响力迥然不同；在企业员工形成的社交网络中，董事长和普通员工的重要性也是天差地别；在全国铁路网中，上海市，北京市与昆明市，南宁市的重要性也是不一样的。而复杂网络的级联，扩展和同步等许多机制往往会受到这些关键节点的高度影响。例如，在网络攻防中，只需要攻击少量关键节点就能够快速破坏原有网络的结构；Twitter中的知名用户所发布的内容往往能够快速且大面积的扩散出去；仅仅1％的富人却掌握了全世界超过50％的资产。同时，关键节点的挖掘的结果能够直接用于处理现实生活中的诸多任务。譬如说在抖音和微博等大规模社交平台上，平台需要向用户(特别是新用户)推荐其感兴趣领域的博主，通过领域博主重要性排序结果来给出的推荐关注列表可以帮助用户快速了解该领域的主流内容；又譬如在为某个产品设计市场营销和广告投放策略时，在不同节点上投放广告的成本往往有很大差别，例如签约微博中一个大V用户的花费可能是中V用户的10倍，而通过关键节点挖掘可以有效衡量节点的信息传播能力与其投放成本，从而进行更精准的广告投放；再譬如在2020年席卷全球的新冠疫情中，寻找确定的超级传播者并制定相应的隔离措施，破坏传播网络结构的同时可以有效的延缓疫情的快速传播。因此，准确的识别出复杂网络中的关键节点具有非常重要的理论意义和实际价值。

现有的基于路径的排序方法大多是利用最短路径，通过用一个节点与其他节点的最短路径最大值来衡量其重要程度，或者是考虑网络中所有节点对之间路径的数目来衡量节点的重要程度，在前述两种基于路径的方法加入了对每条路径长度对节点的重要性不同的增强程度进行重要性计算。此外，还有模拟随机游走过程，从源节点到目标节点经过某节点的次数来判断某节点的重要性。甚至，还有考虑网络中全局闭环回路上的节点出现次数，并依据回路的长短综合考虑节点的重要性程度。

然而这些方法都有一些问题，主要归纳为以下两个方面：

(1)最短路径缺失。存在一些不在任何一条最短路径上的节点，因此基于最短路径的方法不能计算这些特殊节点的中心性。同时，这些方法假定节点间的信息传播仅通过最短路径，并不符合网络中信息传播的实际情况。

(2)重复计算导致的时间复杂度变大。考虑网络中所有节点对之间的路径计算方法会将相互加强作用重复计算，因此会生成大量的衰减参数，导致算法的时间复杂度变大。

发明内容