公开(公告)号：CN105337773B

公开(公告)日：2018-06-05

申请号：CN201510800062.5

申请日：2015-11-19

Applicant: 南京邮电大学

Inventor： 宋玉蓉 ,  阚长江 ,  付文豪

IPC: H04L12/24 ,  H04L12/58

Abstract: 本发明公开了一种基于ReciprocityRank算法的微博网络影响力节点发现方法，其实现步骤为：首先建立节点数为N、有向边数为M的有向网络，引入一个背景节点与有向网络中的每个节点双向连接；然后为所有节点赋权值，背景节点权值为0，网络节点权值为1，初始化时间t=0；接着，时间t加1，对于每个网络节点，分别计算该网络节点与各个相邻节点之间的转移概率后和预设的概率阈值进行比较，并将该网络节点的权值分配给与其之间转移概率大于预设的概率阈值的相邻节点，重复该步骤，直至所有网络节点的权值达到稳态值；最后，根据节点的最终权值进行排序。

公开(公告)号：CN107943882A

公开(公告)日：2018-04-20

申请号：CN201711131517.4

申请日：2017-11-15

Applicant: 南京邮电大学

Inventor： 宋玉蓉 ,  杨李 ,  夏玲玲 ,  张栩 ,  李因伟

IPC: G06F17/30 ,  G06Q50/00

CPC classification number: G06F16/9024 ,  G06Q50/01

Abstract: 本发明公开了基于边扩散性K-truss分解方法的网络重要节点识别方法，包括步骤1：计算网络G中每条边的支持度SD(eij)和对信息的扩散能力DD(eij)；步骤2：依据边的支持度和扩散能力重新定义边的支持度SDV(eij)；步骤3：过滤出网络中SDV(eij)＝0的边，并将更新后的网络记为G'为；步骤4：对网络G'进行K-truss分解；步骤5：对网络G'继续执行步骤4，直到网络中的所有边满足SDV(eij)≥K-2；步骤6：重复步骤4至步骤5，直至网络中的所有连边都被删除，所有节点都被分解在相应的truss层；步骤7：根据K越大，其对应的truss层的节点也越重要的规则对节点进行排序。本发明提高影响力节点发现的准确度的同时降低时间复杂度。