利用节点邻域从复杂网络中分层抽样代表性子网络方法

摘要

本发明提出了一种利用节点邻域从复杂网络中分层抽样代表性子网络方法，包括以下步骤：S1，根据精确度的幂律分布情况得到分层阈值，以及各层内的节点及边的个数；S2，根据所得k值及阈值，将网络实施分层，得到高度节点集NHigher‑degree，中度节点集Nmid‑degree，低度节点集NLower‑degree；S3，确定采样比；S4，执行游走进行抽样，即分别对高度节点集NHigher‑degree，中度节点集Nmid‑degree，低度节点集NLower‑degree用相同的采样比进行抽样，最后将三个不同层的抽样结果进行合并，得到最终抽样结果；S5，对评价指标进行展示。本发明解决了高度节点或低度节点过度入样的问题，以及在度分布、密度与平均聚类系数等性能指标上进行了对比分析。