一种结合图嵌入与图采样的复杂网络节点影响力排序方法

本发明公开了复杂网络领域的一种结合图嵌入与图采样的复杂网络节点影响力排序方法，包括如下步骤：S1：基于不同的网络拓扑模型合成训练数据集；S2：对模型进行初始化；S3：利用排序学习预训练更新模型嵌入层参数；S4：通过强化学习训练更新模型评估层参数；S5：采用随机游走对真实网络进行采样；S6：利用训练完成的模型对各子网络进行节点影响力排序；S7：通过多源排名融合计算原始网络的节点影响力排序。本发明通过排序学习对模型嵌入层实施预训练，有效实现了归纳式的图嵌入；使用强化学习做节点断连价值学习，使算法具有了根据状态迭代寻找断连节点的能力；通过随机游走采样大型网络，优化了对大型网络的预测效率与准确性。