[发明专利]一种基于熵变的复杂网络节点重要度的排序方法

权利要求书

1.本发明涉及专门适用于复杂网络中重要节点排序技术领域，特别是涉及一种基于熵度量的系统级利用结构信息中的排序方法。分为如下步骤：

步骤一、将熵变作为节点重要性的度量；

步骤二、Top-k最重要节点的排序；

步骤三、性能评估。

2.根据权利要求1所述的优化构建方法，其特征在于：在步骤一中，将熵变作为节点重要性的度量。

将一个有向图集G＝(V，E)中的V称作一组节点(或顶点)元素，将其中一组有序的节点E称作边，其中如果(v，w)是边，v称为边的尾部，w称为边的头部。节点数|V|被称为图的顺序，边的数量|E|被称为图的大小。在此前提下重新定义香农熵，与此同时，将v的信息功能被定义为它的程度和中间性，前者是径向步行结构，后者是内侧步行结构。据此，可以根据入度、出度和全度计算有向图的计算熵。所提出的熵变的物理意义是：如果一个节点及其连接从网络中移除，则整个系统的熵的改变程度。因此，熵变可以被看作是节点对结构的影响，或者是代表节点重要性的度量。

3.根据权利要求1所述的优化构建方法，其特征在于在步骤二中，Top-k最重要节点的排序。通过利用熵变对节点重要性进行定义后，可以对图G中k个最重要节点排序。该算法的输入是一个图像G，输出Top-k最重要节点及其相应的重要性序列。算法过程如图2所示：

①.计算图像G的熵；

②.对边集合v中的每一个变量：首先通过图像G除以变量v得到G₁，然后计算G₁的熵，最后设置节点v的重要性；

③.获得节点重要性序列和下降的重要性序列并返回。

该算法是一个两阶段过程。从步骤1到步骤2的第一部分是计算每个节点的重要性或熵变化，从而产生一个数值重要性序列，而后一部分是步骤3，其按照降序排列该序并获得顶级k节点。

4.根据权利要求1所述的优化构建方法，其特征在于在步骤三中，性能评估。

对于节点重要性排序方法的性能评估，有敏感性、鲁棒性和强连通性组件(SCC)的大小几种方法，其中强连通组件是最为主流的标准。因此本发明采用强连通组件进行性能评估。首先，定义强连通组件，为了与其他先进方法相比较，本发明主要研究节点对网络连接的重要性。每种方法根据相应的重要度量标准给出节点的排序序列。然后，从排名最高的人中排除了一些节点，并计算了累计排除的大小。最终，本发明的性能指标将是前k节点去除后的结果减小没有去除SCC的节点大小，从而获得最高的分数。