基本介紹
- 中文名:拓撲勢
- 外文名:Topological Potential
- 引用領域:人工智慧
基本含義,勢場描述,運算方法,
基本含義
受數據場思想的啟發,將網路G看做一個包含n個節點及其相互作用的抽象系統,每個節點周圍存在著一個作用場,位於場中的任何節點都將受到其他節點的聯合作用。與數據場的定義不同,網路中間節點間的作用只能通過邊來傳遞。節點間的相互作用與節點屬性及節點間的網路距離密切相關,由此在整個網路上確定了一個勢場。
勢場描述
給定網路 G=(V,E),其中,V={v1,…,vn}為節點的非空有限集,E⊆V×V 為節點偶對或邊的集合.根據數據場的勢函式定義,任意節點 vi∈V 的拓撲勢可表示為:
式中:dij表示節點與節點vi與vj間的網路距離或跳數,本書採用最短路徑長度來度量;影響因子 用於控制每個節點的影響範圍;mj>=0表示節點vj(j=1,...,n)的質量,可以用來描述每個節點的固有屬性。
真實網路中,節點的固有屬性具有豐富的物理含義,如城市交通網中城市的規模,人際關係網中個體的社會背景和活動能力,通信網路中節點的存儲能力等。
首先忽略節點固有屬性的差異性,設每個節點的質量相等且滿足歸一化條件,由此得到簡化的拓撲勢公式可表示為:
根據高斯函式的數學性質,對於給定的 值,每個節點的影響範圍近似網路距離小於等於 跳的局域區域,當距離大於 ,單位勢函式很快衰減為0,指示著短程場的作用。
運算方法
節點拓撲勢排序算法
該方法用拓撲勢描述網路節點間的相互作用,定義節點的拓撲勢,刻畫其在拓撲位置中的差異性和節點自身屬性反映出的重要性。基於拓撲勢的節點重要性排序算法包括三個基本步驟:
1.影響因子 的優選;
2.根據 優選值,計算每個節點的拓撲勢;
3.按勢值排序,決定節點的重要性.
和數據場中影響因子 的最佳化方法類似,引入拓撲勢熵H的最佳化 值:
式中: 為一個標準化因子。
最佳化問題成為單變數函式H( )的最小化問題,即minH( ).
考慮到疊代計算節點拓撲勢的時間開銷大,可先近似估計 的最佳化區間,再精確搜尋其最佳化值。