动态网络中重要节点影响力涌现和消亡的研究

The dynamic network is a new hotspot in the research of complex networks. It has a wide range of practical applications in commercial, biological, Internet, and other systems. Most of the existing centrality indicators mainly measure the importance of nodes in static networks. However, in many real scenarios, we are focusing not only on the emergence of the final network but on the emergence and disappearance of important nodes, such as the creation of headline news, the development of diseases, the evolution of commodity popularity and other processes. Therefore, depicting the emergence and disappearance of important nodes is a key scientific issue with real significance in the context of dynamic networks. This project will conduct in-depth research on the evolution of the influence of important nodes in online dynamic networks. We first improve the classical network model, increase the attenuation and sudden increase factor to construct the emergence and extinction model of the influence of important nodes, and carefully analyze the transition characteristics of the important nodes in the new model. In addition, we will use an iterative ranking method in combination with the model to design the important node influence mining algorithms for dynamic networks with external benchmark information. Meanwhile, we use the important node similarity measure and link pattern of dynamic networks to predict and evaluate important nodes without external benchmark information of dynamic networks. Our project provides the theoretical and methodological basis for the study of the influence of important nodes in dynamic networks.

动态网络是复杂网络研究的一个新的热点，在商业、生物、互联网等系统中有广泛现实应用。现有的大部分中心性指标主要衡量节点在静态网络中的重要程度，但在许多现实场景中，我们关注的对象不仅仅是最终网络而是重要节点的涌现和消亡过程，例如头条消息的产生、疾病发展、商品流行度的流逝等过程。因此，刻画重要节点的涌现和消亡在动态网络背景下是一个有现实意义的重要科学问题。本项目将针对在线动态网络的重要节点影响力演化问题展开深入研究。我们首先通过将经典的网络模型进行改进，增加衰减和突增因子来构建重要节点影响力的涌现和消亡模型，并细致分析新模型中的重要节点影响力的变迁特性。此外我们将结合模型利用迭代排序方法对含外部基准信息的动态网络进行重要节点影响力挖掘算法设计，同时利用动态网络的重要节点相似性度量和链接模式对无外部基准信息的动态网络重要节点进行预测和验证，从而为动态网络中重要节点影响力的研究提供理论和方法基础。

复杂系统是一门交叉性科学，2021年诺贝尔物理学奖授予三位科学家，以表彰他们“对我们理解复杂物理系统的开创性贡献”，既说明该领域的研究已经获得学术界的重视，同时也为复杂系统研究的发展带来了新机遇。节点中心性已经成为复杂系统理论和应用研究的核心问题之一，在商业、生物、互联网等系统中有广泛现实应用。当前大部分中心性指标主要衡量节点在静态网络中的重要程度，但在许多现实场景中，我们关注的对象不仅仅是最终网络而是重要节点的涌现和消亡过程。本课题在国家自然科学基金的支持下，围绕动态网络的重要节点影响力演化问题展开深入研究，通过对经典的网络增长模型的改进，构建具有衰减因子的TDIC传播模型。同时也结合外部基准信息的动态网络进行一系列重要节点挖掘算法设计，提出了包括基于流体动力学的时间累积排序方法ATR，很大程度上提高动态节点在网络中的信誉评估准确性和鲁棒性。我们的研究结果逐渐形成了区别于传统中心性指标新的一系列算法和相关理论，将为信息科学、社会科学、复杂系统等领域提供一些新的视角和支撑技术。