主页期刊介绍编委会编辑部服务介绍道德声明在线审稿编委办公编辑办公English
2018-2019年专刊出版计划 微信服务介绍 最新一期:2019年第8期
     
在线出版
各期目录
纸质出版
分辑系列
论文检索
论文排行
综述文章
专刊文章
美文分享
各期封面
E-mail Alerts
RSS
旧版入口
中国科学院软件研究所
  
投稿指南 问题解答 下载区 收费标准 在线投稿
冯冰清,胡绍林,郭栋,钟晓歌,李佩钰.基于角色发现的动态信息网络结构演化分析.软件学报,2019,30(3):537-551
基于角色发现的动态信息网络结构演化分析
Structure Evolution Analysis Based on Role Discovery in Dynamic Information Networks
投稿时间:2018-07-17  修订日期:2018-09-20
DOI:10.13328/j.cnki.jos.005684
中文关键词:  动态信息网络  角色发现  结构演化  结构预测
英文关键词:dynamic information network  role discovery  structural evolution  structural prediction
基金项目:国家自然科学基金(61473222,91646108)
作者单位E-mail
冯冰清 航天器在轨故障诊断与维修重点实验室, 陕西 西安 710043
四川大学 计算机学院, 四川 成都 610065 
 
胡绍林 航天器在轨故障诊断与维修重点实验室, 陕西 西安 710043  
郭栋 航天器在轨故障诊断与维修重点实验室, 陕西 西安 710043 747818416@qq.com 
钟晓歌 航天器在轨故障诊断与维修重点实验室, 陕西 西安 710043  
李佩钰 航天器在轨故障诊断与维修重点实验室, 陕西 西安 710043  
摘要点击次数: 626
全文下载次数: 447
中文摘要:
      动态信息网络是当前复杂网络领域中极具挑战的新问题之一,对其动态的演化过程进行研究,有助于分析网络结构、理解网络特性、发现网络中潜在的信息及演化规律,具有重要的理论意义与应用价值.基于网络结构本身量化表示的复杂性以及网络演化时序、复杂、多变的挑战,使用角色来量化动态网络的结构,并对模型进行分析,给出了两种角色解释的方法;在角色发现的基础上,将动态网络结构预测问题转换为可以表示结构特征的角色预测问题,通过向量自回归的方法,以历史网络角色分布矩阵作为训练数据构建模型,预测未来时刻网络可能的角色分布情况,提出了基于潜在角色的动态网络结构预测方法LR-DNSP(latent role based dynamic network structure prediction).该方法克服了已有基于转移矩阵方法忽略历史信息的不足,并且考虑了多个预测目标之间可能存在的相互关系.实验结果表明,提出的LR-DNSP方法具有更准确的预测效果.
英文摘要:
      Dynamic information network is a new challenging problem in the field of current complex networks. Research on network evolution contributes to analyzing the network structure, understanding the characteristics of the network, and finding hidden network evolution rules, which has important theoretical significance and application value. The study of the network structure evolution is of great importance in getting a comprehensive understanding of the behavior trend of complex systems. However, the network structure is difficult to represent and quantify. And the evolution of dynamic networks is temporal, complex, and changeable, which increases the difficulty in analysis. This study introduces "role" to quantify the structure of dynamic networks and proposes a role-based model, which provides a new idea for the evolution analysis and prediction of network structure. As for the model, two methods to explain the role are given. To predict the role distributions of dynamic network nodes in future time, this study transforms the problem of dynamic network structure prediction into role prediction, which can represent the structural feature. The model extracts properties from historical snapshots of sub-network as the training data and predicts the future role's distributions of dynamic network by using the vector autoregressive method. This study also proposes the method of dynamic network structure prediction based on latent roles (LR-DNSP). This method not only overcomes the drawback of existing methods based on transfer matrix while ignoring the time factor, but also takes into account of possible dependencies between multiple forecast targets. Experimental results show that the LR-DNSP outperforms existing methods in prediction accuracy.
HTML  下载PDF全文  查看/发表评论  下载PDF阅读器
 

京公网安备 11040202500064号

主办单位:中国科学院软件研究所 中国计算机学会 京ICP备05046678号-4
编辑部电话:+86-10-62562563 E-mail: jos@iscas.ac.cn
Copyright 中国科学院软件研究所《软件学报》版权所有 All Rights Reserved
本刊全文数据库版权所有,未经许可,不得转载,本刊保留追究法律责任的权利