基于复杂网络时空一体化模型的节点中心性研究

Albert Einstein demonstrates the unity of time and space with his relativity theory. Various complex networks are with temporally evolving characteristics, as well as their spatial distribution. In our previous research of complex network evolution and spatial distribution, it shows that the complex network model based on time-space information can be effectively applied to actual complex network systems, and the importance of nodes in such models has not been fully explored and researched. On this basis, it can be inferred that the general rules of centrality metrics of complex networks in time and space can be represented and studied by constructing appropriate models based on their temporal and spatial characteristics. Therefore, this project intends to study and construct a time-space integrated model of complex networks, and study the similarities between nodes, centrality metrics, the relationship between node centrality and the time-space integration model. The general rules of importance measurement of nodes in complex networks with time-space features will be revealed, and novel centrality metrics will be designed and verified through appropriate experiments. This project is expected to realize the general construction method of complex network time-space integration model, describe the typical evolution characteristics of the model, and design novel centrality methods.

爱因斯坦的相对论指出了时空一体化的本质，很多典型的复杂网络均具有时间上的演化特征，并分布在某种几何空间上。在前期工作基于复杂网络演化的研究中，发现基于时间空间信息的复杂网络模型能够有效的应用在实际复杂网络系统中，而节点重要性在此类模型中的度量至今未能得到充分的研究与揭示。据此推断，复杂网络中心性在时间与空间上的一般规律，可以基于其时间空间上的特征，构造恰当的模型来表示，因此，本项目拟研究并构造复杂网络时空一体化模型，并在该模型中研究节点与节点之间的相似性、节点中心性度量方法、节点中心性与时空一体化模型之间的关系等问题。并将揭示具有时空特征的复杂网络中节点的重要性度量的一般规律，并设计新的中心性度量方法，且通过恰当的相关实验进行验证。本项目预期可以实现复杂网络时空一体化模型一般构造方法，描述该模型典型的演化特征，设计新的中心性度量方法。

复杂网络模型中节点的中心性与相似性度量研究在理论研究和实际应用中均有非常重要的价值，其最终目的是对网络中节点重要性进行排序和定量度量。该类问题一般通过对网络数据进行攻击或传播仿真进行研究，在实际应用中研究中心性的特征和相关模型是该类问题研究的热点。针对这一问题，本项目研究了基于复杂系统中节点间相似性进行建模，并开展中心性度量研究和基于中心性的建模、应用预测研究。项目研究主要围绕以下几个方面开展：（1）设计复杂网络模型新的中心性度量方法，（2）研究复杂网络建模方法与理论模型，（3）研究中心性特征对复杂网络模型中预测算法准确性的影响，（4）设计基于复杂网络模型中心性与社团特征的应用预测算法。通过对中心性方法的研究，项目设计了新的中心性度量方法，提出了基于复杂系统内节点相似性进行建模的一般方法，并将模型应用于个性化推荐系统，研究了中心性对个性化推荐系统内预测算法准确性的影响，进一步研究发现，可以根据推荐系统现有的信息进行复杂网络建模，并利用模型内节点中心性特征和社团特征进行链路预测。在预测个性化推荐系统中用户与物品链路的实验中，本项目设计的多种方法均能有效的提高预测准确性、推荐多样性、用户偏好预测准确性、推荐列表排序性能等指标，揭示了中心性度量在推荐系统分析和预测问题中的重要影响，设计了新的预测模型和中心性度量方法。并在中心性理论方法和复杂系统建模方法上均取得突破成果，项目开展的基于复杂网络建模与中心性特征进行推荐系统预测的研究，取得了丰硕的成果，为课题组未来的研究奠定了坚实的基础。在项目的支持下，课题组成员发表SCIE检索学术论文10篇，核心期刊论文2篇，其他各类论文9篇，申请多项发明专利，获取2项软件著作权。圆满完成项目各项预期目标。