何有世等

摘要：以在線評論內(nèi)容為節(jié)點，內(nèi)容間的語義相似度為鏈接的權(quán)重，結(jié)合復(fù)雜網(wǎng)絡(luò)思想，構(gòu)建在線評論網(wǎng)絡(luò)，該網(wǎng)絡(luò)的可行性也通過網(wǎng)絡(luò)的全局統(tǒng)計數(shù)據(jù)得到了論證。在評論網(wǎng)絡(luò)的“社區(qū)結(jié)構(gòu)特性”的基礎(chǔ)上劃分面向主題的網(wǎng)絡(luò)社區(qū)；基于傳統(tǒng)復(fù)雜網(wǎng)絡(luò)節(jié)點重要性評價方法的同時，結(jié)合社區(qū)屬性，構(gòu)建重要評論的多屬性決策方法。并通過仿真實驗驗證了該模型在全局以及局部網(wǎng)絡(luò)的可行性與準(zhǔn)確性。

關(guān)鍵詞：在線評論；復(fù)雜網(wǎng)絡(luò)；網(wǎng)絡(luò)社區(qū)；語義相似度

DOI：10.13956/j.ss.1001-8409.2015.10.25

中圖分類號：F713；TP311文獻標(biāo)識碼：A 文章編號：1001-8409（2015）10-0115-05

Abstract：Based on complex network theory， this paper constructed online reviews network through regarding reviews content as the network nodes and the semantic similarity between reviews as the weights of link. The feasibility of network was demonstrated by the analysis of the global statistics. This paper demonstrated the rationality of the network through the analysis of the global statistics of reviews network. And it divided the reviews network community of subjectoriented according to the “community structure features” of reviews network. Based on the traditional node importance evaluation methods of complex network in combination with community attribute， it built a multipleattribute decisionmaking method of important reviews. And through the simulation experiments， it verified the feasibility and accuracy of the model.

Key words：online reviews； complex networks； network community； semantic similarity

據(jù)CNNIC關(guān)于網(wǎng)絡(luò)購物中消費者的相關(guān)行為研究發(fā)現(xiàn)，43%的消費者將在線評論作為網(wǎng)絡(luò)購買決策的重要依據(jù)[1]。而且在線評論也可以作為反饋信息，幫助生產(chǎn)商和網(wǎng)絡(luò)銷售商改進產(chǎn)品以及服務(wù)，從而獲得優(yōu)勢。

但是面對海量評論，消費者無法快速辨別和利用有價值的信息來作出正確的決策。因此針對在線評論挖掘的研究被學(xué)者們所關(guān)注，Popescuam等將在線評論挖掘細(xì)分為4個子任務(wù)：特征抽取、觀點抽取、極性判斷、結(jié)果匯總[2]。而關(guān)于在線評論的有用性影響因素的研究[3]，大多數(shù)基于特定的易于獲取的評論數(shù)據(jù)源，如亞馬遜商城數(shù)據(jù)[4]等。

傳統(tǒng)在線評論的有用性研究中，評論數(shù)據(jù)源獲取缺乏普遍性，并沒有充分挖掘網(wǎng)絡(luò)世界中海量的相關(guān)主題的在線評論，導(dǎo)致研究方法缺乏適用性，并且針對在線評論的有用性研究只是對評論進行有用或無用的劃分，評論數(shù)據(jù)源并沒有實質(zhì)性的縮減，而且有用的評論間也有可能存在不同的觀點，這時確定誰的觀點更重要就尤為關(guān)鍵。本文依據(jù)相關(guān)主題在線評論在內(nèi)容上具有的“普遍聯(lián)系”、“語義內(nèi)聚”的特點，將在線評論數(shù)據(jù)源看做以特定方式相聯(lián)系的一種網(wǎng)絡(luò)拓?fù)湫螒B(tài)，并引入復(fù)雜網(wǎng)絡(luò)思想[5]，將在線評論中的每條評論設(shè)定為復(fù)雜網(wǎng)絡(luò)中的一個節(jié)點，利用評論節(jié)點間的語義相似度確定節(jié)點的鏈接關(guān)系，構(gòu)建基于復(fù)雜網(wǎng)絡(luò)的評論網(wǎng)絡(luò)模型。

1在線評論網(wǎng)絡(luò)模型分析

面對海量的在線評論，幫助消費者快速識別評論內(nèi)容的重要性是評論網(wǎng)絡(luò)模型的關(guān)鍵功能，而若要從海量、存在大量噪聲的評論數(shù)據(jù)中提取出合適的數(shù)據(jù)源，不能單獨以評論文本內(nèi)容的長度以及深度作為判斷標(biāo)準(zhǔn)。就評論節(jié)點個體而言，節(jié)點的內(nèi)容是隨機的，但評論節(jié)點組成的網(wǎng)絡(luò)呈現(xiàn)出的“語義內(nèi)聚”與“普遍聯(lián)系”的特點恰好與復(fù)雜網(wǎng)絡(luò)的“無標(biāo)度特性”、“小世界效應(yīng)”以及“社區(qū)結(jié)構(gòu)特性”相吻合。所以不能片面看待評論節(jié)點的內(nèi)容質(zhì)量，而要結(jié)合節(jié)點內(nèi)容之間的語義關(guān)聯(lián)，從宏觀層面上識別對消費者指定主題具有重要影響的評論[6]。本文以網(wǎng)絡(luò)化的視角來刻畫在線評論之間的關(guān)聯(lián)，并提出基于復(fù)雜網(wǎng)絡(luò)融合產(chǎn)品主題的重要在線評論挖掘方法，主要包括以下兩個模塊。

（1）構(gòu)建評論節(jié)點的復(fù)雜網(wǎng)絡(luò)

將評論以網(wǎng)絡(luò)的形式進行表示，評論間的語義關(guān)聯(lián)轉(zhuǎn)化為鏈接的關(guān)系，可以將原本無序的評論以清晰的網(wǎng)絡(luò)結(jié)構(gòu)整合起來，利于探索評論節(jié)點間的相互作用。評論網(wǎng)絡(luò)與傳統(tǒng)的社會網(wǎng)絡(luò)具有相似性，構(gòu)建評論網(wǎng)絡(luò)需要明確網(wǎng)絡(luò)中的兩個要素，節(jié)點以及節(jié)點間的鏈接，節(jié)點間的鏈接關(guān)系必須是基于節(jié)點中某種可度量的屬性來確定的。

（2）面向主題的評論網(wǎng)絡(luò)社區(qū)劃分

評論網(wǎng)絡(luò)中的“社區(qū)結(jié)構(gòu)特性”是由于同一產(chǎn)品或相似產(chǎn)品主題的評論節(jié)點在語義上具有相似性，使得評論網(wǎng)絡(luò)依據(jù)產(chǎn)品主題呈現(xiàn)社區(qū)結(jié)構(gòu)，評論社區(qū)的劃分可以快速定位消費者指定的主題。在面向主題的社區(qū)基礎(chǔ)上，基于多屬性決策提取相關(guān)主題的重要評論[7]。

2構(gòu)建評論網(wǎng)絡(luò)

一個完整的網(wǎng)絡(luò)是節(jié)點以及節(jié)點間鏈接的集合體，參照一般社會網(wǎng)絡(luò)的構(gòu)建方法，本文以每條評論的文本內(nèi)容為節(jié)點信息，評論間的語義關(guān)聯(lián)為鏈接，構(gòu)建評論網(wǎng)絡(luò)G=（V，E）， V={v1，v2，…，vn}是評論網(wǎng)絡(luò)中的n個節(jié)點，即n條在線評論集合，E是vi與vj組成的邊的集合，而邊（vi，vj）依據(jù)節(jié)點之間的相似性wij確定，設(shè)定閥值μ，若wij≥μ，則節(jié)點vi、vj間存在鏈接。

21節(jié)點表示以及鏈路預(yù)測

評論網(wǎng)絡(luò)中的節(jié)點以單條在線評論為主體，并將評論的文本內(nèi)容以向量空間模型（VSM）的形式表示，考慮到節(jié)點的社區(qū)歸屬問題，節(jié)點的信息還包括社區(qū)標(biāo)號，節(jié)點v的信息在網(wǎng)絡(luò)中表示成v={（v1，v2，…，vm），m}。

網(wǎng)絡(luò)中的鏈路預(yù)測是指通過已知的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)或節(jié)點屬性等信息預(yù)測網(wǎng)絡(luò)中兩個節(jié)點之間存在鏈接的可能性。本文構(gòu)建的評論網(wǎng)絡(luò)，不同于人際網(wǎng)絡(luò)、生物網(wǎng)絡(luò)等，鏈路預(yù)測之前并不存在網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)，因此利用節(jié)點的語義信息預(yù)測網(wǎng)絡(luò)中的鏈路。

在構(gòu)建評論網(wǎng)絡(luò)的過程中，采用TF.IDF的方法計算評論節(jié)點間的語義相似度，設(shè)節(jié)點u和v的文檔向量形式是U=u1，u2，...，um，V=v1，v2，...，vm，其中，ui和vi分別表示特征詞i在各自評論中的指標(biāo)值，通過TF.IDF計算[8]：

w（u，v）=U·VU×V=∑mi=1uivi∑mi=1u2i∑mi=1v2i（1）

并用w（u，v）表示邊（u，v）的權(quán)重，若w（u，v）≥μ，則節(jié)點u、v間存在鏈接。

在利用節(jié)點間的語義相似度進行鏈路預(yù)測的同時，通過實驗結(jié)果分析得到同一網(wǎng)頁中的評論絕大多數(shù)描述的是同一個主題，但可能存在評論觀點相對，導(dǎo)致網(wǎng)頁內(nèi)評論間的語義相似度較低，使得網(wǎng)頁內(nèi)的鏈路較少，因此本文初始化評論網(wǎng)絡(luò)中網(wǎng)頁內(nèi)的節(jié)點間存在鏈接。

22閥值μ的確定

本文通過百度搜索引擎獲取實驗數(shù)據(jù)，并以手機、筆記本以及相機3種產(chǎn)品作為研究對象，進行實驗數(shù)據(jù)的采集，并以各采集到1000個網(wǎng)頁為采集器停止條件，對采集的網(wǎng)頁進行清洗，提取產(chǎn)品評論數(shù)據(jù)，實驗數(shù)據(jù)集如表1所示。

通過實驗數(shù)據(jù)集構(gòu)建評論網(wǎng)絡(luò)，并初始化網(wǎng)頁內(nèi)的節(jié)點間存在鏈接。運用半正態(tài)概率圖法對評論節(jié)點間語義相似度數(shù)據(jù)進行假設(shè)檢驗，結(jié)果顯示它們近似服從半正態(tài)分布，如圖1所示。

在初始化的評論網(wǎng)絡(luò)中，網(wǎng)頁內(nèi)的節(jié)點間存在鏈接，網(wǎng)頁間的節(jié)點間沒有鏈接，隨著閾值μ的增大，網(wǎng)頁內(nèi)節(jié)點間的鏈接減少的比例不斷增加，而網(wǎng)頁間節(jié)點間的鏈接增加的比例不斷減少，如圖2所示。

由圖2發(fā)現(xiàn)，在半正態(tài)分布的4σ點評論網(wǎng)絡(luò)鏈接數(shù)量保持穩(wěn)定，說明這時網(wǎng)絡(luò)魯棒性最強，本文設(shè)定節(jié)點間語義相似度的閾值μ=4σ，并且在4σ點網(wǎng)頁內(nèi)節(jié)點間的鏈接比例占80%左右，網(wǎng)頁間節(jié)點間的鏈接比例只占20%左右，符合帕累托法則。評論網(wǎng)絡(luò)的閥值設(shè)定與節(jié)點間鏈接的關(guān)系如表2所示，從表2中的節(jié)點數(shù)與節(jié)點間鏈接的比例發(fā)現(xiàn)，隨著評論節(jié)點數(shù)的增加，節(jié)點間的鏈接占整個評論網(wǎng)絡(luò)的比例逐漸減少，這是由于節(jié)點數(shù)增多時網(wǎng)頁間的節(jié)點對占整個網(wǎng)絡(luò)的比例上升，而網(wǎng)頁間的節(jié)點間語義相似度相比于網(wǎng)頁內(nèi)的節(jié)點間語義相似度而言相對較小。

23評論網(wǎng)絡(luò)的全局統(tǒng)計數(shù)據(jù)分析

通過節(jié)點間的語義相似度與閥值μ的比較，去除網(wǎng)頁內(nèi)節(jié)點間語義相似度wij<μ的鏈接，添加網(wǎng)頁間節(jié)點間語義相似度wij≥μ的鏈接，形成評論網(wǎng)絡(luò)，對構(gòu)建的評論網(wǎng)絡(luò)使用可視化網(wǎng)絡(luò)分析軟件pajek，通過分析評論網(wǎng)絡(luò)的度分布[9]、平均路徑長度[10]和聚集系數(shù)3個指標(biāo)與隨機網(wǎng)絡(luò)的關(guān)系，以確定本文構(gòu)建的評論網(wǎng)絡(luò)符合復(fù)雜網(wǎng)絡(luò)的特性。全局統(tǒng)計數(shù)據(jù)如表3所示。

（1）度分布

在評論網(wǎng)絡(luò)中，度分布表示與某一評論節(jié)點具有鏈接的節(jié)點數(shù)量，實驗中3個評論網(wǎng)絡(luò)的節(jié)點平均度分布分別為11、12、14，基本符合隨機網(wǎng)絡(luò)的節(jié)點平均度分布，而且評論網(wǎng)絡(luò)中少數(shù)評論節(jié)點具有較大的度分布，包含了某一主題內(nèi)的消費者關(guān)注的大部分信息，因此，評論網(wǎng)絡(luò)的度分布基本滿足冪律分布。

（2）平均路徑長度

平均路徑長度是指評論網(wǎng)絡(luò)中任意兩個節(jié)點之間距離的平均值[6]。由上表可知3個評論網(wǎng)絡(luò)的平均路徑長度與相同規(guī)模的隨機網(wǎng)絡(luò)平均路徑長度基本一樣，可以認(rèn)為3個網(wǎng)絡(luò)都具有良好的連通性，基于在線評論構(gòu)建的評論網(wǎng)絡(luò)相比其他的數(shù)據(jù)源，更適合評論的挖掘。

（3）聚集系數(shù)

聚集系數(shù)反映的是相鄰節(jié)點之間聯(lián)系的緊密程度，具有小世界效應(yīng)的評論網(wǎng)絡(luò)的聚集系數(shù)遠(yuǎn)遠(yuǎn)大于隨機網(wǎng)絡(luò)的聚集系數(shù)[6]，這是因為面向單個主題的評論網(wǎng)絡(luò)中的大多數(shù)節(jié)點具有較高的語義相似度而聚集，并聚集在度大的節(jié)點旁，這也近一步說明了評論網(wǎng)絡(luò)中能對消費者購買決策產(chǎn)生影響的節(jié)點是少部分重要評論節(jié)點。

通過分析評論網(wǎng)絡(luò)的全局統(tǒng)計數(shù)據(jù)，發(fā)現(xiàn)評論網(wǎng)絡(luò)的度分布符合冪律分布，認(rèn)為評論網(wǎng)絡(luò)具有復(fù)雜網(wǎng)絡(luò)的無標(biāo)度特征，另外，較小的平均路徑長度以及較高的聚集系數(shù)體現(xiàn)了評論網(wǎng)絡(luò)的小世界特征。因此，本文經(jīng)過3個在線評論數(shù)據(jù)集的實證，論證了基于復(fù)雜網(wǎng)絡(luò)理論構(gòu)建評論網(wǎng)絡(luò)的合理性。

3面向主題的評論網(wǎng)絡(luò)社區(qū)劃分

31在線評論網(wǎng)絡(luò)社區(qū)結(jié)構(gòu)

消費者需求的不同導(dǎo)致評論內(nèi)容的不同，不同消費者在意的產(chǎn)品特征具有很大差異，但關(guān)注相同特征的評論發(fā)布者，所發(fā)布的評論之間又具有較強的語義相似度。在構(gòu)建的評論網(wǎng)絡(luò)中，以具有相同特征的評論節(jié)點為中心，形成若干規(guī)模不等的局部語義相似度較大的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)，就是本文需要劃分的在線評論網(wǎng)絡(luò)社區(qū)。

評論網(wǎng)絡(luò)中評論節(jié)點間的語義除了具有相似性之外，還可能存在包含關(guān)系，如評論節(jié)點Vi是關(guān)于筆記本整體的評論，而Vj是關(guān)于某具體品牌筆記本的評論，那么節(jié)點Vj從屬于Vi，評論網(wǎng)絡(luò)就具有了層次性的社區(qū)結(jié)構(gòu)特征。社區(qū)結(jié)構(gòu)的另一個特征是重疊性，指評論網(wǎng)絡(luò)中的某些節(jié)點同時屬于多個社區(qū)，如評論節(jié)點Vi的語義中同時包括對特征A和B的描述，那么節(jié)點Vi就被同時劃分到社區(qū)A和B中。這樣的節(jié)點被稱為“騎墻節(jié)點”。

傳統(tǒng)的社團結(jié)構(gòu)劃分方法都是從節(jié)點的角度出發(fā)，把網(wǎng)絡(luò)中的節(jié)點看作是研究對象，根據(jù)節(jié)點之間的相似度，把它們劃分到不同的社區(qū)，這樣的處理方法很難從根本上解決“騎墻節(jié)點”的歸屬問題[11]。

考慮到評論網(wǎng)絡(luò)具有的層次性以及重疊性，本文采用一種能夠同時劃分層次性與重疊性的算法[12]，該算法以邊為研究對象，依據(jù)邊之間的相似度對網(wǎng)絡(luò)進行社區(qū)劃分，由于邊的社區(qū)歸屬性是唯一確定的，這就可以避免“騎墻節(jié)點”對社區(qū)劃分結(jié)果的影響。

32基于邊的社區(qū)劃分算法

該算法核心是根據(jù)邊的凝聚過程得到網(wǎng)絡(luò)的層次樹結(jié)構(gòu)，對層次樹在合適位置處切割，得到社區(qū)結(jié)構(gòu)。為了完成邊的凝聚，定義相鄰邊的相似度S為：

4面向主題的在線評論挖掘

復(fù)雜網(wǎng)絡(luò)非同質(zhì)的拓?fù)浣Y(jié)構(gòu)，決定了評論網(wǎng)絡(luò)中節(jié)點的重要性的差異。挖掘評論網(wǎng)絡(luò)中的特定主題的在線評論社區(qū)，對其中的重要性在線評論進行深入分析，可以幫助消費者快速做出購買決策。目前，復(fù)雜網(wǎng)絡(luò)中節(jié)點重要性的評估方法分為社會網(wǎng)絡(luò)分析和系統(tǒng)科學(xué)分析兩類[13]，這兩類方法各有其優(yōu)缺點，缺點在于將研究視角局限在某一種網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)中。

41結(jié)合社區(qū)屬性的多屬性決策

評論網(wǎng)絡(luò)是一個加權(quán)網(wǎng)絡(luò)，從單一的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)特征分析節(jié)點的重要性具有局限性，評論網(wǎng)絡(luò)中節(jié)點的重要性與評論網(wǎng)絡(luò)的整體結(jié)構(gòu)相關(guān)，需要依據(jù)不同的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)特征綜合分析。因此，本文提出了一種多屬性決策方法，綜合考慮評論網(wǎng)絡(luò)的社會網(wǎng)絡(luò)分析中的介數(shù)中心性以及系統(tǒng)科學(xué)分析中的Damage值，這些指標(biāo)綜合考慮了評論網(wǎng)絡(luò)的各項拓?fù)浣Y(jié)構(gòu)，計算公式分別為：

為了能夠確定網(wǎng)絡(luò)社區(qū)內(nèi)節(jié)點的排序，對網(wǎng)絡(luò)中的節(jié)點進行編號，給網(wǎng)絡(luò)中的每個節(jié)點賦予一個ID編碼，編碼形式為（n，m），n為網(wǎng)絡(luò)中節(jié)點的唯一標(biāo)識，m為節(jié)點被劃分到社區(qū)的編號。結(jié)合社區(qū)屬性的節(jié)點1～10的多屬性決策值如表4所示。

對多屬性決策變量a的結(jié)果進行排序，首先基于整個評論網(wǎng)絡(luò)進行排序，排序結(jié)果為r；再基于所屬社區(qū)進行排序，得到結(jié)果r′。

則將多屬性決策變量a表示為a=（n，m，r，r′，a），其中，n為節(jié)點編號，m為節(jié)點n的所屬的社區(qū)編號，r為節(jié)點n在整個網(wǎng)絡(luò)中的重要性排名，r′為節(jié)點n在社區(qū)m中的重要性排名。

5結(jié)論與展望

在線評論作為產(chǎn)品口碑傳播的一種新形式，對消費者的決策起著重要的影響，但其中大量的良莠不齊的評論也影響了消費者對可靠信息的獲取[2]。本文以不同于以往的重要在線評論挖掘研究的思路，構(gòu)建以評論為節(jié)點、節(jié)點間的語義相似度作為鏈接的復(fù)雜網(wǎng)絡(luò)，將原本無序的評論以清晰的網(wǎng)絡(luò)結(jié)構(gòu)整合起來。在分析評論網(wǎng)絡(luò)的全局統(tǒng)計數(shù)據(jù)的基礎(chǔ)上，論證了基于復(fù)雜網(wǎng)絡(luò)思想構(gòu)建在線評論網(wǎng)絡(luò)的合理性。

考慮到評論網(wǎng)絡(luò)具有的層次性以及重疊性，本文采用以邊為研究對象的一種能夠同時劃分層次性與重疊性的算法，得到了評論網(wǎng)絡(luò)的層次樹狀圖，并通過分區(qū)密度D對其進行了社區(qū)劃分。

最后通過結(jié)合社區(qū)屬性的多屬性決策方法來評估評論網(wǎng)絡(luò)中的節(jié)點重要性，該方法不僅具有良好的穩(wěn)定性，而且將重要在線評論的挖掘細(xì)化到產(chǎn)品主題，適合消費者從產(chǎn)品的不同角度進行決策。

參考文獻：

[1]CNNIC.2009年中國網(wǎng)絡(luò)購物市場研究報告[R].北京：中國互聯(lián)網(wǎng)絡(luò)信息中心，2009.38-42.

[2]李金海，何有世.在線評論信息挖掘分析的數(shù)據(jù)來源可靠性研究[J].軟科學(xué)，2015，29（4）：94-99.

[3]龔艷萍，梁樹霖. 在線評論對新技術(shù)產(chǎn)品消費者采用意愿的影響研究[J].軟科學(xué)，2014，28（2）：96-105.

[4]廖成林，蔡春江，李憶.電子商務(wù)中在線評論有用性影響因素實證研究[J].軟科學(xué)，2013，27（5）：46-50.

[5]Sun Ye， Liu Chuang， Zhang Chuxu， et al. Epidemic Spreading on Weighted Complex Networks [J]. Physics Letters A， 2014， 378（7）：635-640.

[6]姜巍，張莉，戴翼，等.面向用戶需求獲取的在線評論有用性分析[J].計算機學(xué)報，2013，36（1）：119-131.

[7]肖忠東，羅志潔，周光輝.復(fù)雜網(wǎng)絡(luò)節(jié)點重要性評價方法在生態(tài)工業(yè)系統(tǒng)中的應(yīng)用[J].科技進步與對策，2014，31（5）：123-126.

[8]Salton G. The SMART Retrieval System- Experiments in Automatic Document Processing [M]. Englewood Cliffs， New Jersey ： Prentice Hall Inc，1971.

[9]Gabrilovich E， Markovitch S. Computing Semantic Relatedness Using Wikipedia-based Explicit Semantic Analysis[A].Proceedings of the 20th International Jonit Conference on Artificial Intelligence[C].2007.1606-1611.

[10]汪小帆，李翔，陳關(guān)榮.復(fù)雜網(wǎng)絡(luò)理論及其應(yīng)用[M].北京：清華大學(xué)出版社，2006.

[11]汪小帆，劉亞冰.復(fù)雜網(wǎng)絡(luò)中的社團結(jié)構(gòu)算法綜述[J].電子科技大學(xué)學(xué)報，2009，38（5）：537-543.

[12]Ahn Y Y， Bagrow J P， Lehmann S. Communities and Hierarchical Organization of Links in Complex Networks [EB/OL]. http：//www.arXiv.org， 2009-03-12.

[13]周漩，張鳳鳴，李克武等.利用重要度評價矩陣確定復(fù)雜網(wǎng)絡(luò)關(guān)鍵節(jié)點[J].物理學(xué)報，2012，61（5）：1-7.

（責(zé)任編輯：楊銳）