基于改进的局部结构熵复杂网络重要节点挖掘

作者：李鹏; 王世林; 陈光武; 闫光辉

来源：计算机应用, 2022, 1-8.

• 复杂网络
• 重要节点
• 局部结构熵
• 惩罚项
• 集聚系数

识别复杂网络中的关键节点，对优化网络结构和信息的有效传播起着至关重要的作用。传统方法仅考虑节点自身对于网络结构的影响，局部结构熵通过局部网络对整个网络的影响代替节点对整个网络的影响来识别重要节点，但未考虑高聚集性网络和节点与邻居节点形成环的情况，存在一定的局限性。针对以上不足，首先，提出了改进局部结构熵的方法 PLE，即在局部结构熵的基础上引入集聚系数作为惩罚项，对网络中的高聚集性节点进行适当的惩罚；其次，由于PLE的惩罚项对三元闭包结构上的节点惩罚力度过大，提出了PLE的改进方法 PLEA，即在惩罚项前引入一个控制系数，控制其惩罚力度。最后，通过对五个不同规模的真实网络进行选择性攻击实验，并与度中心性、k-shell、局部结构熵等方法进行了对比。实验结果表明，在美国西部各州电网和美国航空网两个网络中，与局部结构熵方法相比，PLEA方法的识别准确率分别提升了26.3%和3.2%；与k-shell方法相比，PLEA方法识别准确率分别提升了380%和5.43%；与DCL方法相比，PLEA方法的识别准确率分别提升了14.4%和24%。本文提出的方法识别的重要节点对网络造成的破坏更大，验证了引入集聚系数作为惩罚项的合理性，并且证明了PLEA方法的有效性和优越性。所提改进方法综合考虑了节点的邻居个数和节点的局部网络结构，计算简单，对于刻画大规模网络的可靠性与抗毁性具有十分重要的意义。

• 单位
  兰州交通大学