基于图神经网络的机会网络节点重要度评估方法

摘要：

机会网络(opportunistic network)是一种利用节点移动的相遇机会实现通信的自组织网络,机会式的通信方式导致其具有时变性与动态性,节点重要度的评估是研究机会网络信息传播的关键.提出一种基于图神经网络的机会网络节点重要度评估方法.将机会网络进行时间切片,对得到的机会网络单元采用聚合图建模,以表征网络信息;采用动态网络嵌入模型提取机会网络单元间的时序变化信息、拓扑结构信息,得到网络的动态属性特征;借助图神经网络(graph neural network,GNN)在图数据处理上的优势,获得网络动态属性特征与节点重要度之间的映射关系,实现节点重要度的评估.在3个真实机会网络数据集MIT,Haggle,Asturias-er上的实验结果表明:相比于时效介数(temporal betweeness,TB)方法、时效度(temporal degree,TD)方法、时效 PageRank(temporal PageRank 和 f-PageRank)方法以及kshell-CN方法,该方法具有更快的消息传播速率和更大的消息覆盖范围,其SIR和NDCG@10指标更优.

关键词：机会网络、节点重要度、网络嵌入、图神经网络、消息传播速率

所属期刊栏目：59

分类号：TP393(计算技术、计算机技术)

资助基金：国家自然科学基金;国家自然科学基金;江西省自然科学基金

在线出版日期：2022-04-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共18页

页码：834-851