基于时序网络层间同构率动态演化的重要节点辨识*

胡钢 许丽鹏 徐翔

1) (安徽工业大学管理科学与工程学院, 马鞍山 243032)

2) (国防科技大学信息系统工程重点实验室, 长沙 410073)

时序网络可以更加准确地描述网络节点在时空演化过程中的交互顺序变化和交互关联关系.为辨识时序网络中的重要节点, 本文提出基于时序网络层间同构率动态演化的超邻接矩阵建模的重要节点辨识方法.首先, 依托复杂网络的层间时序关联耦合关系, 定义了相邻与跨层网络综合逼近关系系数.其次, 依据层内连接关系和层间逼近关系构建时序网络超邻接矩阵.再次, 使用特征向量中心性方法对时序网络中的节点重要性排序, 分析计算时序全局效率差值, 通过肯德尔相关系数验证.最后, 实证数据仿真显示: 与经典时序网络模型相比, 本文模型所得Kendall’s t值在各时间层上平均提高, 最高为8.37%和2.99%, 结论表明时序网络层间同构率的度量方法科学有效.

1 引 言

动态时序网络研究节点间的时空交互关联关系和节点重要性动态分类、排序等演化次序辨识,可以更加准确地刻画手机通讯、社交等复杂系统的交互关系[1].节点重要性的评价方法有很多种, 如度中心性[2]、介数中心性[3]、紧密度中心性[4]、特征向量中心性[5]、K-核中心性[6]等, 不同的评价方法考虑的网络特征也各有不同.胡钢等[7]选取了七个代表性指标进行网络重要性节点贡献率排序, 研究网络节点不同重要性指标对节点的影响程度.传统的节点重要性排序方法多从……