一种文献引用网络核心-外围随机块模型聚类聚合方法

本发明涉及文献引用网络分析与图模型研究技术领域，具体公开了一种文献引用网络核心‑外围随机块模型聚类聚合方法，包括以下步骤：S1、定义文献引用网络；S2、构建文献引用网络核心‑外围随机块模型；S3、构建轮辐模型和层次模型；S4、采用贝叶斯推理对文献引用网络核心‑外围随机块模型进行推断；S5：基于模型最小描述长度(MDL)原理，对文献引用网络核心‑外围随机块模型进行优化与评估；S6：对文献引用网络核心‑外围随机块模型进行结构聚合；S7：得到影响力文献即核心节点。本方案通过结合贝叶斯推断和随机块模型，不仅能够编码文献引用网络中的先验知识，增强模型拟合能力，还能通过局部加权聚合优化了核心‑外围结构的表征精度。