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