来源：期刊VIP网 时间：
作者：李天雨;滕桂法;姚竟发;
单位：河北农业大学信息科学与技术学院;河北软件职业技术学院软件工程系;
摘要：在复杂网络研究中，精确辨识网络内的关键节点对于深入把握网络的结构特性和功能机制，以及增强复杂网络运行的稳固性和安全性具有尤为重要的作用。传统的K-shell方法仅依据节点在网络中的位置信息，排序结果太粗粒化，使得节点的区分度不大；仅考虑剩余度的影响，默认同层节点的外层节点数相同，这限制了评估结果的精确性和分辨力。为了解决这一问题，文中提出一种新的关键节点识别方法，该方法在原始K-shell算法思想之上综合考虑了局部影响力，补充了邻居节点和次邻居节点对所识别节点重要性的影响。首先，通过K-shell算法确定节点全局影响力，计算每个节点的Ks值；其次，通过度中心性算法确定所识别节点的邻居节点的影响力，而次邻居节点的影响力则通过其影响系数与数量的乘积来表征；最后，通过综合考虑邻居节点以及次邻居节点的作用来评估节点的局部影响力。具体而言，邻居节点的影响力通过其度中心性来量化，次邻居节点的影响力则由其影响系数与数量的乘积来表征。以相关性、单调性以及鲁棒性为评价标准，将文中方法在6个真实网络上进行验证，验证结果显示，提出的方法与目前主流方法相比，能更高效、准确地识别复杂网络中的关键节点，并具有较高的分辨率和准确性。
关键词：复杂网络;;K-shell;;度中心性;;关键节点识别;;邻居节点;;节点影响力
基金资助：国家自然科学基金项目（U20A20180）;; 河北省人力资源和社会保障课题（JRS-2023-3078）
