Rihab Boukheche

复杂网络中的关键节点识别有了跨尺度做法。此前中心性指标与学习类方法往往只在单一网络尺度上整合结构信息，难以同时利用局部、社区和全局模式。CSBA-Net把三种尺度的结构表示分别提取，再用带多头自注意力的双向门控循环单元建模尺度间依赖，并以SIR扩散模拟得到的节点影响力作为回归目标；在24个真实网络和12个合成网络上，其排序指标优于所比较的中心性、卷积和图神经网络基线。

复杂网络中的关键节点识别有了跨尺度做法。此前中心性指标与学习类方法往往只在单一网络尺度上整合结构信息，难以同时利用局部、社区和全局模式。CSBA-Net把三种尺度的结构表示分别提取，再用带多头自注意力的双向门控循环单元建模尺度间依赖，并以SIR扩散模拟得到的节点影响力作为回归目标；在24个真实网络和12个合成网络上，其排序指标优于所比较的中心性、卷积和图神经网络基线。