计算机应用

作者：田阔, 吴英晗, 胡枫

单位：1.青海师范大学 计算机学院, 西宁 810008；2.藏语智能信息处理及应用国家重点实验室, 西宁 810008；3.高原科学与可持续发展研究院, 西宁 810016

关键词：证据理论,多层超网络,辨识框架,证据组合,影响力节点,超网络传播

基金：国家自然科学基金资助项目(61663041);青海省自然科学基金资助项目(2023-ZJ-916M)

针对多层超网络研究多集中于拓扑结构，且影响力节点识别方法中涉及指标较为单一，无法全面准确识别影响力节点的情况，提出一种基于证据理论的多层超网络影响力节点识别方法。首先，在多层超网络拓扑结构基础上，根据聚合网络思想构建多层聚合超网络；其次，基于证据理论定义问题的辨识框架；最后，利用D-S（Dempster-Shafer）证据组合方法，融合网络的局部、位置和全局指标以识别网络影响力节点。将该方法应用于arXiv数据集构建的物理-计算机科学双层科研合作超网络（MAH），在基于RP（Reactive Process）和CP（Contact Process）策略的易感-感染-易感（SIS）超网络传播模型中，与超度中心性、K-shell、接近中心性方法等相比，传播速度最快，且最先达到稳态；隔离影响力排名前6%节点后，网络平均超度、聚类系数以及网络效率均减小；随着隔离影响力节点比例的增大，网络子图数量增速与接近中心性方法相近；通过单调性指标值度量识别结果粗粒度，达到0.999 8，识别结果具有较高区分度。综合多个实验结果，表明该多层超网络影响力节点识别方法准确有效。

来源：2024年第1期

《计算机应用》期刊编辑部

查看计算机应用杂志2024年第1期