基于节点相似度的层次聚类算法被广泛应用于无符号网络的社区发现研究中,但不适用于符号网络,而典型符号网络社区发现算法存在从不同节点出发社区划分准确率低的问题.本文从节点相似度出发提出一种适用于符号网络的算法CDSNNSP(Communit...基于节点相似度的层次聚类算法被广泛应用于无符号网络的社区发现研究中,但不适用于符号网络,而典型符号网络社区发现算法存在从不同节点出发社区划分准确率低的问题.本文从节点相似度出发提出一种适用于符号网络的算法CDSNNSP(Community Detection in Signed Netw orks Based on Node Similarity and Node Participation Degree).算法首先提出适合符号网络的节点影响力和聚集系数,并根据其选取初始节点,依据节点相似度计算公式从邻居节点中选取与初始节点相似度最大的节点形成初始社区,通过邻居节点的参与度和相对贡献增量确定节点划分到社区的顺序以及是否划分到社区.最后,通过模拟和真实社会网络数据集的实验证明了CD-SNNSP算法的正确性和有效性.展开更多
深入挖掘社交网络中传播力较强的个体,并利用其进行产品营销往往会达到事半功倍的效果,影响最大化问题就是在特定社交网络中寻找影响力较大的个体.为了更加准确的评估影响力,本文不仅从节点相似度方面进行改进,而且从信息内容本身出发,...深入挖掘社交网络中传播力较强的个体,并利用其进行产品营销往往会达到事半功倍的效果,影响最大化问题就是在特定社交网络中寻找影响力较大的个体.为了更加准确的评估影响力,本文不仅从节点相似度方面进行改进,而且从信息内容本身出发,基于信息在社交网络中的传播,结合信息词频等信息自身特点来刻画节点的影响力,提出了基于信息词频和节点相似度的影响最大化算法(IMFS,Influence Maximization algorithm based on term Frequency and node Similarity).随后,在真实的社交网络中对该算法进行了实验,并与传统的影响最大化算法对比,实验结果表明由IMFS得到的集合的影响范围大于其他启发式算法的结果,同时算法的运行速度也有相应的提高,说明了本文提出的算法是解决影响最大化问题的有效算法.展开更多
针对委托权益证明(delegated proof of stake,DPoS)中节点投票不积极和恶意节点操纵选举结果的问题,提出一种基于共邻节点相似度改进的DPoS(DPoS based on similarity of common neighbor nodes,S-DPoS)共识算法。首先,引入共邻节点相...针对委托权益证明(delegated proof of stake,DPoS)中节点投票不积极和恶意节点操纵选举结果的问题,提出一种基于共邻节点相似度改进的DPoS(DPoS based on similarity of common neighbor nodes,S-DPoS)共识算法。首先,引入共邻节点相似度模型实现社区划分,缩短投票周期,提高共识效率。其次,计算节点的信誉度,各社区选出一个信誉度最高的节点作为见证节点且负责生产区块,通过节点身份转换机制及时更新节点类别。最后,通过奖惩机制对节点进行奖惩,快速剔除错误节点。仿真实验结果表明,S-DPoS共识算法的节点参与度比DPoS算法提高30%~40%,并且能够有效降低恶意节点操纵选举结果的可能性,增强了系统的安全性。展开更多
文摘基于节点相似度的层次聚类算法被广泛应用于无符号网络的社区发现研究中,但不适用于符号网络,而典型符号网络社区发现算法存在从不同节点出发社区划分准确率低的问题.本文从节点相似度出发提出一种适用于符号网络的算法CDSNNSP(Community Detection in Signed Netw orks Based on Node Similarity and Node Participation Degree).算法首先提出适合符号网络的节点影响力和聚集系数,并根据其选取初始节点,依据节点相似度计算公式从邻居节点中选取与初始节点相似度最大的节点形成初始社区,通过邻居节点的参与度和相对贡献增量确定节点划分到社区的顺序以及是否划分到社区.最后,通过模拟和真实社会网络数据集的实验证明了CD-SNNSP算法的正确性和有效性.
文摘深入挖掘社交网络中传播力较强的个体,并利用其进行产品营销往往会达到事半功倍的效果,影响最大化问题就是在特定社交网络中寻找影响力较大的个体.为了更加准确的评估影响力,本文不仅从节点相似度方面进行改进,而且从信息内容本身出发,基于信息在社交网络中的传播,结合信息词频等信息自身特点来刻画节点的影响力,提出了基于信息词频和节点相似度的影响最大化算法(IMFS,Influence Maximization algorithm based on term Frequency and node Similarity).随后,在真实的社交网络中对该算法进行了实验,并与传统的影响最大化算法对比,实验结果表明由IMFS得到的集合的影响范围大于其他启发式算法的结果,同时算法的运行速度也有相应的提高,说明了本文提出的算法是解决影响最大化问题的有效算法.
文摘针对委托权益证明(delegated proof of stake,DPoS)中节点投票不积极和恶意节点操纵选举结果的问题,提出一种基于共邻节点相似度改进的DPoS(DPoS based on similarity of common neighbor nodes,S-DPoS)共识算法。首先,引入共邻节点相似度模型实现社区划分,缩短投票周期,提高共识效率。其次,计算节点的信誉度,各社区选出一个信誉度最高的节点作为见证节点且负责生产区块,通过节点身份转换机制及时更新节点类别。最后,通过奖惩机制对节点进行奖惩,快速剔除错误节点。仿真实验结果表明,S-DPoS共识算法的节点参与度比DPoS算法提高30%~40%,并且能够有效降低恶意节点操纵选举结果的可能性,增强了系统的安全性。
