网络关键节点检测方法及系统与流程

本申请涉及通信技术领域，具体而言，涉及一种网络关键节点检测方法及系统。

背景技术：

近年来，复杂网络理论渗透到社会生活的各个领域，尤其随着各种社交网络、企业办公网络、事件网络的高速发展，人类社会几乎可以抽象成为一个巨大的网络世界。生活中的网络主要可以分为以下类型：1)从宏观角度，包括internet网络、万维网、电力网络、交通网络等等；2)从微观角度，包括蛋白质网络、神经网络、代谢网络、基因遗传网络等等；3)从人类社会角度，包括疾病传播、谣言传播、演员合作网络等等。

由此可见，社会生活中的许多系统都可以抽象成为一个网络，系统中元素可以抽象为节点，而这些元素之间丰富多样的连接关系可以抽象为边。由于真实事件中系统较强的复杂性，从这些系统中抽象出来的网络可能具有大量的节点和边，而且节点之间错综复杂的连接关系使网络具有复杂的拓扑结构。一般情况下，将这些具有复杂拓扑结构的网络称为复杂网络。网络中重要节点对网络的结构和功能具有较大的影响，因此挖掘重要节点能为人们的生活解决更多的难题和提供有力的依据。由于网络的异质性，节点对网络的结构和功能具有不同的影响，而那些对网络的结构和功能具有特别影响的节点称作关键节点。而挖掘网络中的关键节点成为不容忽视的问题。如控制流行疾病的爆发传播、避免大规模的停电、挖掘社交网络上对传播最有影响力的用户、预测维持生命的最基本蛋白质等等。

相关技术中选取关键节点组时计算节点相似性时往往仅考虑节点之间的最短路径长度，导致选取的关键节点之间相似，不能实现信息传播效率最大化；另外一些相关技术中在考虑节点相似性时，仅舍弃与已选关键节点相似度较大的节点，无法充分降低关键节点组中节点间的聚集程度，选取的关键节点组传播效率低。

针对上述相关技术中的问题，目前尚未提出有效的解决方案。

技术实现要素：

本申请的主要目的在于提供一种网络关键节点检测方法及系统，以解决至少上述相关技术中的问题之一。

为了实现上述目的，根据本申请的一个方面，提供了一种网络关键节点检测方法，该方法包括：

s1.在待判定的网络节点集合中，获取一个待判定的网络节点；s2.获得所述网络节点的度数；s3.按照第一预设规则根据所述度数获得所述网络节点的核数；s4.按照第二预设规则根据所述核数获得所述网络节点的核数熵；s5.在所述待判定的网络节点集合中，获取下一个待判定的网络节点，重复s2至s4，直至所述网络节点集合中的网络节点全部获得核数熵；s6.比较各个所述网络节点的核数熵，按照第三预设规则获得网络关键节点。

进一步的，如前述的方法，所述s6包括：s61.将各个所述网络节点根据核数熵的大小进行排序；s62.按照第四预设规则，计算所述排序结果中相邻两个所述网络节点之间的距离；s63.根据所述距离和所述核数熵获得所述网络关键节点。

进一步的，如前述的方法，所述s63包括：s631.按照第五预设规则根据所述距离和所述核数熵计算各个所述网络节点的群体中心性；s632.将各个所述网络节点的群体中心性排序，按照第六预设规则获得所述网络关键节点。

进一步的，如前述的方法，所述s632包括：将各个所述网络节点的群体中心性按照大小进行降序排列，选取所述序列中前预设数目个节点为所述网络关键节点。

进一步的，如前述的方法，所述s62包括：s621.获得节点相似度；s622.按照第七预设规则根据所述节点相似度计算所述排序结果中相邻两个所述网络节点之间的距离。

为了实现上述目的，根据本申请的另一方面，提供了一种网络关键节点检测系统，该系统包括遍历单元、信息获取单元、第一计算单元、第二计算单元和关键点判断单元，其中：

所述遍历单元，用于在待判定的网络节点集合中，获取个个待判定的网络节点；所述信息获取单元，用于获得所述网络节点的度数；所述第一计算单元，用于按照第一预设规则根据所述度数获得所述网络节点的核数；所述第二计算单元，用于按照第二预设规则根据所述核数获得所述网络节点的核数熵；所述关键点判断单元，用于比较各个所述网络节点的核数熵，按照第三预设规则获得网络关键节点。

进一步的，如前述的系统，所述关键点判断单元，包括第一排序单元和第三计算单元，其中：所述第一排序单元，用于将各个所述网络节点根据核数熵的大小进行排序；所述第三计算单元，用于按照第四预设规则，计算所述排序结果中相邻两个所述网络节点之间的距离；所述关键点判断单元，还用于根据所述距离和所述核数熵获得所述网络关键节点。

进一步的，如前述的系统，所述关键点判断单元，还包括第四计算单元和第二排序单元，其中：所述第四计算单元，用于按照第五预设规则根据所述距离和所述核数熵计算各个所述网络节点的群体中心性；所述第二排序单元，用于将各个所述网络节点的群体中心性排序；所述关键点判断单元，还用于根据所述第二排序单元的排序结果按照第六预设规则获得所述网络关键节点。

进一步的，如前述的系统，所述第二排序单元，还用于将各个所述网络节点的群体中心性按照大小进行降序排列；所述关键点判断单元，还用于选取所述序列中前预设数目个节点为所述网络关键节点。

进一步的，如前述的系统，所述所述第三计算单元，还用于获得节点相似度，按照第七预设规则根据所述节点相似度计算所述排序结果中相邻两个所述网络节点之间的距离。

在本申请实施例中，采用根据节点度数、核数计算节点核数熵的方式，通过相同核数的节点进行进一步区别，达到了区分相似度高的节点的目的，从而实现了降低关键节点组的聚集程度的技术效果，进而解决了相关技术中相似度高的网络节点无法区分、关键节点判断不准确导致的信息传播效果差的技术问题。

附图说明

构成本申请的一部分的附图用来提供对本申请的进一步理解，使得本申请的其它特征、目的和优点变得更明显。本申请的示意性实施例附图及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1是本申请一个实施例提供的一种网络关键节点检测方法的流程示意图；

图2是本申请一个实施例提供的一个实例网络节点连接示意图；

图3是本申请一个实施例提供的一种网络关键节点判断方法的流程示意图；以及

图4是本申请一个实施例提供的一种网络关键节点检测系统的结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

根据本发明实施例，提供了一种网络关键节点检测方法，如图1所示，该方法包括如下的步骤：

s1.在待判定的网络节点集合中，获取一个待判定的网络节点；

s2.获得所述网络节点的度数；具体地，网络节点与外界连接的边数即为该网络的度数，度数是复杂网络中最直接的指标，度中心性认为节点的连接边数越多，节点越重要。

s3.按照第一预设规则根据所述度数获得所述网络节点的核数；具体地，核数为利用壳分解法计算得到，位置处于网络中心的节点重要性最大，向网络边缘一次递减，每一壳层中的各个节点的核数相同，每壳层中的各个节点的核数大于或等于该节点的度数。

s4.按照第二预设规则根据所述核数获得所述网络节点的核数熵；具体地，核数熵由信息熵理论计算得出，节点连接的不同壳层数的节点越多，节点的重要性就越大。例如，如图2所示，节点12连接了核数为1、2的节点数量分别为1、2，节点1连接了核数为1、2的节点数量分别为2、4，节点12和节点1的核数熵值分别为0.4665和0.6539。

s5.在所述待判定的网络节点集合中，获取下一个待判定的网络节点，重复s2至s4，直至所述网络节点集合中的网络节点全部获得核数熵；

s6.比较各个所述网络节点的核数熵，按照第三预设规则获得网络关键节点。

进一步地，如图3所示，所述s6包括：

s61.将各个所述网络节点根据核数熵的大小进行排序；

s62.按照第四预设规则，计算所述排序结果中相邻两个所述网络节点之间的距离；

更进一步地，如图3所述，s621.获得节点相似度；具体地，节点相似度可基于两个相似性指标计算得出，一个指标是基于局部信息的相似性指标，如两个节点的共同邻居数等等；另一个指标是基于路径的相似性指标，如比较两个节点与附近3阶的邻居之间的路径之和等等。

s622.按照第七预设规则根据所述节点相似度计算所述排序结果中相邻两个所述网络节点之间的距离。具体地，宏观上两个节点的相似度越大，两个网络节点之间的距离就越近，可根据具体计算经验获得两者之间的数值关系。

s63.根据所述距离和所述核数熵获得所述网络关键节点。

更进一步地，如图3所示，s631.按照第五预设规则根据所述距离和所述核数熵计算各个所述网络节点的群体中心性；

s632.将各个所述网络节点的群体中心性排序，按照第六预设规则获得所述网络关键节点；将各个所述网络节点的群体中心性按照大小进行降序排列，选取所述序列中前预设数目个节点为所述网络关键节点。具体地，一些系统边缘(如度数为1)节点，本身与其余节点的相似度就较小，但与节点的距离就会比较大，但这些边缘节点是不利于信息传播的，所以引入群体中心性指标，将核数熵和距离的指标进行均衡，均衡系数可通过经验计算得到，借此合理表征节点的重要性。

从以上的描述中，可以看出，本发明实现了如下技术效果：

在本申请实施例中，采用根据节点度数、核数计算节点核数熵的方式，通过相同核数的节点进行进一步区别，达到了区分相似度高的节点的目的，从而实现了降低关键节点组的聚集程度的技术效果；相似度计算时综合了局部信息指标和路径指标，对节点间的相似度进行了综合因素的考量，有效降低了关键节点的聚集程度；将相似度转化为距离后，综合节点自身核数熵进而考量，判断节点重要性的因素更为全面，解决了相关技术中相似度高的网络节点无法区分、关键节点判断不准确导致的信息传播效果差、效率低的技术问题。

需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。例如，第一预设规则与第二预设规则仅用于区分计算核数和核数熵的规则，应该理解并非描述两个规则的产生顺序，以便用于这里描述的本申请的实施例。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，s63可包括没有清楚地列出的对于获得网络关键节点的方法固有的其它步骤，如获得所述距离、获得所述核数熵等等。

需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

根据本发明实施例，还提供了一种用于实施上述网络关键节点检测方法的网络关键节点检测系统，如图4所示，该系统包括遍历单元、信息获取单元、第一计算单元、第二计算单元和关键点判断单元，其中：

所述遍历单元，用于在待判定的网络节点集合中，获取个个待判定的网络节点；

所述信息获取单元，用于获得所述网络节点的度数；具体地，网络节点与外界连接的边数即为该网络的度数，度数是复杂网络中最直接的指标，度中心性认为节点的连接边数越多，节点越重要。

所述第一计算单元，用于按照第一预设规则根据所述度数获得所述网络节点的核数；具体地，核数为利用壳分解法计算得到，位置处于网络中心的节点重要性最大，向网络边缘一次递减，每一壳层中的各个节点的核数相同，每壳层中的各个节点的核数大于或等于该节点的度数。

所述第二计算单元，用于按照第二预设规则根据所述核数获得所述网络节点的核数熵；具体地，核数熵由信息熵理论计算得出，节点连接的不同壳层数的节点越多，节点的重要性就越大。例如，如图2所示，节点12连接了核数为1、2的节点数量分别为1、2，节点1连接了核数为1、2的节点数量分别为2、4，节点12和节点1的核数熵值分别为0.4665和0.6539。

所述关键点判断单元，用于比较各个所述网络节点的核数熵，按照第三预设规则获得网络关键节点。

进一步地，所述关键点判断单元，包括第一排序单元、第三计算单元、第四计算单元和第二排序单元，其中：

所述第一排序单元，用于将各个所述网络节点根据核数熵的大小进行排序；

所述第三计算单元，用于按照第四预设规则，计算所述排序结果中相邻两个所述网络节点之间的距离；进一步地，所述第三计算单元，还用于获得节点相似度，按照第七预设规则根据所述节点相似度计算所述排序结果中相邻两个所述网络节点之间的距离。具体地，节点相似度可基于两个相似性指标计算得出，一个指标是基于局部信息的相似性指标，如两个节点的共同邻居数等等；另一个指标是基于路径的相似性指标，如比较两个节点与附近3阶的邻居之间的路径之和等等；宏观上两个节点的相似度越大，两个网络节点之间的距离就越近，可根据具体计算经验获得两者之间的数值关系。

所述第四计算单元，用于按照第五预设规则根据所述距离和所述核数熵计算各个所述网络节点的群体中心性；

所述第二排序单元，用于将各个所述网络节点的群体中心性排序；

所述第二排序单元，还用于将各个所述网络节点的群体中心性按照大小进行降序排列；

所述关键点判断单元，还用于选取所述序列中前预设数目个节点为所述网络关键节点。

具体地，一些系统边缘(如度数为1)节点，本身与其余节点的相似度就较小，但与节点的距离就会比较大，但这些边缘节点是不利于信息传播的，所以引入群体中心性指标，将核数熵和距离的指标进行均衡，均衡系数可通过经验计算得到，借此合理表征节点的重要性。

显然，本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。

以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。