基于多尺度中心性算法的复杂网络节点影响力研究

复杂网络中重要节点的影响力度量是网络信息挖掘中的关键问题,传统的重要节点识别方法仅考虑单一因素影响,具有一定的局限性.提出了一种基于位置信息,拓扑结构和边重要性的多尺度中心性(Multi-Scale Centrality (MSC))的度量新方法.方法融合了多样性因子影响,在K-shell分解的基础上根据节点与其位于不同k核层的邻居间的关系构建外连边尺度衡量节点的位置信息,克服了同层节点重要性无法被区分的缺陷.又结合具有结构洞特性的节点相对其邻居节点的信息传播和控制优势,对节点的重要性更进一步地作区分.最后根据边的可替代性衡量边重要性,并依据边对其相连节点的重要性贡献构造多尺度MSC中心性算法模型.经与SIR疾病传播模型在真实网络模拟的结果进行对比,验证了本算法可行性和有效性.