基于节点信任度的复杂网络关键节点识别

识别复杂网络中的关键节点对理解网络结构及功能有重要意义,PageRank算法基于网络非结构信息,在识别关键节点方面取得了很好的成效,但PageRank算法采用平均分配策略,即将节点的PageRank值平均分配给相邻节点,与实际认知存在偏差.本文考虑网络的结构及属性信息提出节点相似性比例和相邻度比例,进而提出节点信任度,网络中信任度值越大的相邻节点可以获得更多的贡献值.将节点信任度引入到PageRank算法中,构建了一种关键节点识别算法TPR(Trust-PageRank).实验部分选取真实网络利用SIR传染病模型进行评价,将TPR与度中心性,介数中心性,PageRank,HITS算法结果进行对比,实验结果表明该算法能合理有效地识别关键节点,并且在SIR初始传播和识别重要度相当的节点时有一定优势.