一种基于大语言模型的网络关键节点识别方法及系统

本发明涉及网络信息处理，尤其涉及一种基于大语言模型的网络关键节点识别方法及系统。

背景技术：

1、网络在现实世界中广泛存在，如社交网络、生物网络等。在网络中识别一组最优关键节点，然后对其进行激活或移除从而产生最大化影响是一个基础研究问题，在流行病控制、市场营销等方面具有广泛应用。从组合优化的角度来看，这个问题可以被视为一种最优搜索任务，现有的方法可以分为三类，第一种方法是基于启发式的基本方法，例如使用度中心性来判断节点是否关键，这种方法简单高效，在多种网络中表现优越。第二种方法尝试用近似优化进一步重新表述问题，例如逐步消除网络各子图中度最高的节点以识别关键节点；还有通过移除形成循环的节点来创建无环网络，再利用贪婪算法选择节点将网络分解成的不相连部分。启发式和近似优化方法可以为不同类型的网络提供相同的解决方案，往往会忽略网络特性，致使部分网络中性能较差。近些年，随着深度学习的进步，一些工作通过使用神经网络来自适应地学习节点重要性或排名节点来解决关键节点问题。它们利用神经网络为网络节点分配分数，根据这些分数确定它们的重要性。这些基于学习的方法通常试图自适应搜索关键节点。所以在面对庞大的搜索空间时，搜索成本高昂，适用性较差。

2、现有的相关工作，主要存在以下缺陷：分析网络结构时存在一定的局限性和偏差，过于简化问题，忽略网络的复杂特性和结构；处理大规模网络，需要耗费大量的计算资源进行搜索或训练，限制了方法的适用性和实用性。

技术实现思路

1、本发明提供一种基于大语言模型的网络关键节点识别方法及系统，用以解决现有网络关键节点识别技术泛化性不足、复杂度高、资源消耗大的问题。

2、本发明提供一种基于大语言模型的网络关键节点识别方法，包括：

3、基于网络拓扑和计算式方法定义初始节点评分算法；

4、基于所述初始节点评分算法进行适应性评估，并基于语义相似度完成种群分类，根据分类结果选择亲代节点评分算法；

5、基于亲代节点评分算法通过预训练的大语言模型进行子代算法生成，不断迭代演化获取满足预设条件的最终节点评分算法；

6、通过所述最终节点评分算法对网络中的各个节点进行评分，基于评分结果识别出网络关键节点。

7、根据本发明提供的一种基于大语言模型的网络关键节点识别方法，所述基于网络拓扑和计算式方法定义初始节点评分算法，具体包括：

8、基于网络拓扑中的节点连接关系为节点进行赋分，形成初始节点评分算法，或；

9、基于识别网络关键节点的经典算法通过数学或统计方法分析网络特性为节点进行赋分，形成初始节点评分算法。

10、根据本发明提供的一种基于大语言模型的网络关键节点识别方法，所述基于所述初始节点评分算法进行适应性评估，并基于语义相似度完成种群分类，根据分类结果选择亲代节点评分算法，具体包括：

11、基于所述初始节点评分算法进行适应性评估，生成适应性评分；

12、计算初始节点评分算法与当前算法种群的语义相似度，根据计算结果和适用性评分进行算法分类。

13、根据本发明提供的一种基于大语言模型的网络关键节点识别方法，所述计算初始节点评分算法与当前算法种群的语义相似度，根据计算结果和适用性评分进行算法分类，具体包括：

14、根据语义相似度的计算结果超出设定阈值则将节点评分算法添加至相应的初始算法种群，低于设定阈值则将初始节点评分算法作为一个全新的种群，完成初始节点评分算法的分类，生成分类结果；

15、根据所述分类结果分别在种群间和种群内选择初始节点评分算法作为亲代节点评分算法。

16、根据本发明提供的一种基于大语言模型的网络关键节点识别方法，所述基于亲代节点评分算法通过预训练的大语言模型进行子代算法生成，不断迭代演化获取满足预设条件的最终节点评分算法，具体包括：

17、将所述亲代节点评分算法输入至预训练的大语言模型，通过所述大语言模型进行交叉操作，输出子代算法；

18、将部分子代算法再次输入至所述大语言模型，通过所述大语言模型进行变异操作，输出变异算法；

19、将所述子代算法和突变算法进行可执行性检查后，经过评估和分类后添加至初始算法种群中，进行新一轮的算法选择、交叉和变异操作，不断迭代，直至满足预设条件，输出最终节点评分算法。

20、根据本发明提供的一种基于大语言模型的网络关键节点识别方法，所述通过所述最终节点评分算法对网络中的各个节点进行评分，基于评分结果识别出网络关键节点，具体包括：

21、将网络以邻接矩阵的形式输入至所述最终节点评分算法；

22、基于所述最终节点评分算法对每个网络节点进行评分，输出包含网络节点评分的字典类型数据；

23、根据所述字典类型数据识别出网络关键节点。

24、本发明还提供一种基于大语言模型的网络关键节点识别系统，所述系统包括：

25、初始化模块，用于基于网络拓扑和计算式方法定义初始节点评分算法；

26、种群管理模块，用于基于所述初始节点评分算法进行适应性评估，并基于语义相似度完成种群分类，根据分类结果选择亲代节点评分算法；

27、算法演化模块，用于基于亲代节点评分算法通过预训练的大语言模型进行子代算法生成，不断迭代获取满足预设条件的最终节点评分算法；

28、节点识别模块，用于通过所述最终节点评分算法对网络中的各个节点进行评分，基于评分结果识别出网络关键节点。

29、本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述基于大语言模型的网络关键节点识别方法。

30、本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述基于大语言模型的网络关键节点识别方法。

31、本发明还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述基于大语言模型的网络关键节点识别方法。

32、本发明提供的一种基于大语言模型的网络关键节点识别方法及系统，通过初始算法种群经过选择、交叉、变异和评估，不断迭代训练，最终得到一个新颖有效的节点评分算法；其中，大语言模型基于其强大的上下文理解能力和丰富的编程技巧，作为交叉算子和变异算子来生成评分算法；通过对网络中的节点进行重要性评分，从而找到其中的关键节点，考虑到网络的复杂特性和结构，并且无需消耗大量的计算资源进行搜索或训练，增加了适用场景。

技术特征：

1.一种基于大语言模型的网络关键节点识别方法，其特征在于，包括：

2.根据权利要求1所述的基于大语言模型的网络关键节点识别方法，其特征在于，所述基于网络拓扑和计算式方法定义初始节点评分算法，具体包括：

3.根据权利要求1所述的基于大语言模型的网络关键节点识别方法，其特征在于，所述基于所述初始节点评分算法进行适应性评估，并基于语义相似度完成种群分类，根据分类结果选择亲代节点评分算法，具体包括：

4.根据权利要求3所述的基于大语言模型的网络关键节点识别方法，其特征在于，所述计算初始节点评分算法与当前算法种群的语义相似度，根据计算结果和适用性评分进行算法分类，具体包括：

5.根据权利要求1所述的基于大语言模型的网络关键节点识别方法，其特征在于，所述基于亲代节点评分算法通过预训练的大语言模型进行子代算法生成，不断迭代演化获取满足预设条件的最终节点评分算法，具体包括：

6.根据权利要求1所述的基于大语言模型的网络关键节点识别方法，其特征在于，所述通过所述最终节点评分算法对网络中的各个节点进行评分，基于评分结果识别出网络关键节点，具体包括：

7.一种基于大语言模型的网络关键节点识别系统，其特征在于，所述系统包括：

8.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至6任一项所述基于大语言模型的网络关键节点识别方法。

9.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述基于大语言模型的网络关键节点识别方法。

10.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述基于大语言模型的网络关键节点识别方法。

技术总结本发明涉及网络信息处理技术领域，提供一种基于大语言模型的网络关键节点识别方法及系统，其包括获取初始算法种群，基于网络拓扑和计算式方法定义初始节点评分算法；基于所述初始节点评分算法进行适应性评估，并基于语义相似度完成种群分类，根据分类结果选择亲代节点评分算法；基于亲代节点评分算法通过预训练的大语言模型进行子代算法生成，不断迭代演化获取满足预设条件的最终节点评分算法；通过所述最终节点评分算法对网络中的各个节点进行评分，基于评分结果识别出网络关键节点。本发明解决了现有网络关键节点识别算法泛化性低、复杂度高、资源消耗大的问题。技术研发人员：李勇,高宸,毛金铸受保护的技术使用者：清华大学技术研发日：技术公布日：2024/9/26