基于图结构学习的复杂网络关键节点识别方法

摘要

现有复杂网络关键节点识别方法中缺少对节点本身特征的研究，存在网络拓扑信息提取不全面、特征冗余、泛化性低等问题.为了解决上述问题，本文提出一种基于图结构学习的复杂网络关键节点识别方法.首先，针对网络拓扑信息提取不全面问题，结合复杂网络微观结构和宏观结构构造节点特征；其次，针对特征冗余问题，提出一个融合选择性状态空间模型(State Space Models)和自监督学习的节点特征提取方法；最后，针对泛化性低问题，利用图结构学习在模型训练层面优化损失函数提高分类精度.利用4个公开数据集上进行了广泛实验，本文方法优于次优方法4.66%,节点分辨率保持稳定.实验表明，所提出方法能有效的识别不同网络的关键节点.

关键词

关键节点 / 图结构学习 / 复杂网络 / 选择性状态空间模型 / 自监督学习