最新大师赛互选结果出炉！

大师赛ABM已和TOP50选手完成互选，“配对”成功的导师和选手将在复杂网络的研究上展开更深度的交流与合作。...

1. [b]Petter Holme——珠子盘的黑又亮
2. Flaviano Morone——zhfkt
3. 胡延庆——cauc_qsm
4. 周海军——sjtucims、LA
5. 周涛——格式不正确、白山黑水
6. 吕琳媛——DETA、cauc_qsm、白山黑水
7. 陈卫——none
8. Hernan Makse——wwa8756d313、zhfkt

[/b]

本次大赛涌现出非常多全新的有建设性的基于关键节点挖掘的优秀算法方案，ABM对其中部分参赛团队的算法报告做出了点评及修改建议。

该参赛队提出了逃逸熵的概念，并用一个节点所有邻居逃逸熵的总和定义节点的重要性，获得了比直接用度更好的结果。

建议：

[1]逃逸熵知识一个简单的和度单调的映射，其中1+1/D这个形式是ad hoc的，没有明确的理论意义。

[2]从Si的定义来看，邻居越多，邻居度越小，则稳定性（也就是重要性）越高。这和我们一般意义上认为的PageRank，H指数或者常见的LocalIndex都不一样——以上基本都是倾向于邻居要多，邻居的度也要大。参赛队员请仔细思考这个问题，并和这些方法作比较，而不仅仅是最简单的DegreeRank。

[3]建议仔细阅读和比较文献“Vitalnodes identification in complex networks”的方法，并推荐一篇论文[Lu,L., Zhou, T., Zhang, Q.-M. & Stanley, H. E. The H-index of a network nodeand its relation to degree and coreness. Nat. Commun. 7, 10168 (2016)]。

参赛队在若干前沿算法的基础上，通过引入“按照幂律增长的节点数选择”和“重新插入方法”，提高了原有算法的精确度，获得了比较好的竞赛结果。

建议：

[1]“按照幂律增长的节点数选择”这个思路很有意思，应该可以普遍化地解决很多贪心算法遇到的问题（体现了在不同阶段的粒度控制）。因此，我建议在了两个方面加强。第一，应该更多专注于这个方法对一些著名的贪心算法的效率提升作用（例如P. Domingos, M. Richardson, Mining the network value of customers,in: Proceedings of the 7th ACM SIGKDD International Conference on KnowledgeDiscovery and Data Mining, KDD’01, ACM Press, 2001, pp.57–66.和W. Chen, Y. Wang, S.Yang, Efficient influence maximization in social networks, in: Proceedings ofthe 15th ACM SIGKDD International Conference on Knowledge Discovery and DataMining, ACM Press, 2009, pp. 199–208.），而不是比较多个不同的方法。第二，直接引入幂律增长是一种ad hoc（拍脑袋）的方法，能否根据贪心法不同选择中的效果进行自适应的调节（参赛队提到了Adaptive，但是还不足够Adaptive）?

[2]应该添加一个部分，去分析“重新插入方法”对原有算法的提升有多大，因为这个成本很高，是O(NM)。

本参赛队的方法有一定新颖性，我从未在其他参赛队中看到过类似的方法。但是，我无法把握参赛队为何在利用degree排序的时候要每次生成一棵随机树。我猜测参赛队希望借鉴随机森林的一些有趣的想法，但事实上这个问题并不能mapping成一个随机森林的问题，而这种生成多棵随机数的方法也无助于将是被选出来的关键节点之间的“相干”。事实上，算法中存在的最大问题是依然采用简单的度排序，这个思路本身如果没有大幅度的突破，结果的提升是有限的。我猜测这个算法对于简单利用degree排序会有提升，但是不属于本次竞赛中有特别竞争力的算法。当然，我认为如果参赛队员作进一步深入的实验，专门探讨这种“类随机森林”的办法对于简单度排序的提升作用，是充分可以发表一篇Physica A或类似期刊的论文。

This team improved on the reinsertion algorithm based on CI. Reinsertion is a very important component of the CI algorithm, since CI is only devised to find the minimal q_c, but there is yet no optimal solution for the case where the giant component is non-zero. The authors properly explained their algorithm and demonstrated that it improves over previous methods, then the authors may write the results in a paper.

CCCN大师赛的初衷在于探讨复杂网络最优渗流这个网络科学领域的经典问题。我们邀请国内外顶级专家学者合作指导，以期获得精准的算法结果和优美的解决方案。现在，这场盛宴的结果即将在第十三届全国复杂网络会议上展示。

本月26日，四位ABM导师胡延庆、周海军、吕琳媛、周涛将会携此次大师赛参赛团队格式不正确、zhfkt、白山黑水以及2位特邀嘉宾共同出席复杂网络会议“网络挖掘”分会场，并发布网络挖掘研究方向的相关报告。我们希望可以通过这次竞赛发现一些“优美”的解决方案，找到结合数学、物理、计算机三者的精髓办法，为这道经典难题交出一份举世瞩目的答卷。

长按关注「DataCastle数据城堡」

获取更多数据竞赛相关

    关注 DataCastle数据城堡