HI,欢迎来到学术之家,发表咨询:400-888-7501  订阅咨询:400-888-7502  股权代码  102064
0

社会网络中关键节点的识别——基于符号网络的PageRank算法改进

作者:陈晓威; 史昱天符号网络关键节点pagerank算法点度中心性

摘要:【目的】针对PageRank算法在符号网络中的局限性,提出其改进算法,以识别社会网络中的关键节点。【方法】基于符号网络的相关理论,将PageRank算法与点度中心性相结合,提出KeyRank算法,并对Slashdot网站的用户数据进行分析,以获取用户的KeyRank算法排名。【结果】PageRank算法排名、入度排名、M-PR算法排名与KeyRank算法排名在统计学意义上呈中度正相关。【局限】KeyRank算法忽略了每次迭代时正、负链接的相互作用。【结论】传统算法与KeyRank算法在节点排序上存在差异,说明链接的符号属性对排序结果产生了重要影响,改进算法具有一定的理论和实践意义。

注:因版权方要求,不能公开全文,如需全文,请咨询杂志社

数据分析与知识发现

《数据分析与知识发现》(CN:10-1478/G2)是一本有较高学术价值的大型月刊,自创刊以来,选题新奇而不失报道广度,服务大众而不失理论高度。颇受业界和广大读者的关注和好评。 《数据分析与知识发现》内容定位于广泛吸纳计算机科学、数据科学、情报科学以及数字科研、数字教育和数字文化等领域的技术与方法,研究数据驱动的语义计算、内容分析、数据挖掘、知识发现、智能管理和决策支持等方面的技术、方法、系统以及支撑设施、政策与机制等,尤其是聚焦从海量、异构、分布、动态、甚至富媒体数据中挖掘和发现知识以支持研究、管理和决...

杂志详情