复杂网络的结构挖掘及其对传播动力学的影响
作 者 : 朱郁筱
学位授予单位 : 电子科技大学
学位名称 : 博士
导师姓名 : 周涛
学位年度 : 2016
关键词 : 复杂网络;演化建模;链路预测;传播动力学
摘 要 : 互联网技术的飞速发展使得各类真实数据的可获取性大幅提升,科学研究逐渐步入数据时代。复杂网络理论作为数据分析的一种新工具,它是将现实生活中的真实复杂系统抽象成由相互连接的节点所组成的网络,然后综合运用计算机、数学、物理、社会学等多学科的理论来分析网络的结构和功能,并挖掘真实系统的相关规律。许多真实系统都能抽象成网络,譬如社交网络、生物网络、交通网络,复杂网络理论的逐渐成熟为这些真实系统的相关研究提供了一种新思路。复杂网络相关研究不仅具有深远的理论意义,而且有重要的实际应用价值,同时还能促进多学科的交叉发展。网络结构是我们深入理解复杂网络功能和规律的重要途径,本文工作主要围绕网络结构展开。依次关注于网络静态结构的分析、网络动态结构的分析以及网络结构对传播动力学过程的影响,其中网络动态结构的分析包括从无到有的演化建模、从现在到未来的链路预测。本文主要内容具体如下:食谱网络的结构分析及演化建模:以往针对饮食文化的相关研究大都缺乏数据的定量化支撑,本文定量分析了中国饮食文化的形成和演变并构建了演化模型。我们首先从美食杰网站爬取了中国食谱数据,并基于该数据抽象出了一个食谱网络。然后通过对菜系所在地年平均温度差、菜系所在地的球面距离以及菜系间相似度进行深入地关联分析,结果显示地域间的沟通交流在很大程度上影响着饮食文化的形成和演变。最后,本文基于“学习-变异”机制构建了一个能够较好地重现食谱网络大部分重要特征的演化模型。该研究成果不仅能够为饮食文化的进一步研究提供理论框架,而且能为社会科学的分析、演化及建模提供理论借鉴。基于网络结构演化的链路预测算法研究:(1)针对无向网络中的冷边预测问题,本文通过调节边流行度权重的方式,设计了一种能够将冷边的预测准确率提高约10%的改进算法,该算法缓解了链路预测中的冷启动问题;(2)针对许多预测算法过度强调准确率而忽略多样性的问题,本文通过借鉴热传导思想以及与局部随机游走算法耦合的方式,设计了一种在不降低预测准确率的前提下能将多样性平均提高32%的混合算法,该算法在一定程度上缓解了准确率和多样性不可兼得的困境;(3)目前基于有向网络的链路预测算法研究还稍显匮乏,本文基于子图结构设计了一种准确率能达到90%左右的预测算法。这些研究成果能广泛适用于很多真实场景,具有较高的实际应用价值。网络结构对传播动力学过程的影响:(1)基于简单传播模型,本文借鉴渗流理论的思路,比较了互惠边和非互惠边对传播过程的影响。结果显示相对于非互惠边,等量互惠边对于简单传播的广度有着更重要的作用,而且本文从网络结构连通性的角度解释了以上现象;(2)基于复杂传播模型,本文研究了度异质性和边权重异质性对传播过程的影响。结果显示在具有异质度分布的网络中,最终感染节点比例随着感染概率呈现连续性增长,然而对于具有同质度分布的网络,最终感染节点比例则随着感染概率呈现非连续性增长。另外,当感染概率比较小(大)时,增大度分布的异质性可以促进(阻碍)最终感染节点比例。与之不同的是,边的权重分布的异质性能够阻碍最终感染节点比例,但是不改变最终感染节点比例随感染概率的依赖关系。另外,本文提出了一种基于边权划分的分析方法,从理论上验证了以上发现的正确性。这些研究成果能够帮助我们深入理解网络结构对于传播动力学过程的影响,为一些真实传播过程的预警控制提供理论指导。

      • 温馨提示:
      • 在微信、微博等APP中下载时,会出现无法下载的情况
      • 这时请选择在浏览器中打开,然后再请下载浏览

发表回复

后才能评论