地表系统科学数据关联网络特征
该网络以科学数据集的元数据记录为节点，通过时间、空间和主题等语义属性建立节点间的三维关联关系，形成可计算、可扩展的结构化数据网络。
权重异质性
不同数据集间关联权重差异显著，反映特定场景下的高价值耦合关系
时空异质性
数据在时间和空间维度上呈现复杂的动态联系与分布特征
长尾特性
度分布非均匀，低连接度节点可能蕴含稀缺但关键的信息价值
创新方法框架
Innovative Method Framework
提出一种基于主客观融合权重的TOPSIS关键节点识别方法，通过节点相似中心性、多指标评价体系、双层权重优化实现全面评估。
1
相似中心性
融合关联度与强度，平衡局部拓扑与全局影响力
2
多指标体系
整合网络拓扑、数据关联及节点相似性
3
权重优化
AHP+CRITIC双层策略融合主客观权重
4
TOPSIS评估
综合评估节点重要性排序
三大核心创新
创新① 节点相似中心性指标
设计思路
融合节点关联度与强度，平衡局部拓扑与全局影响
核心优势
克服传统中心性指标的单一性局限
创新② 多指标评价体系
网络拓扑
数据关联
节点相似性
创新③ 双层权重优化策略
AHP层次分析法
捕捉专家经验与领域知识（主观权重）
CRITIC相关性定权
基于数据内在特征计算（客观权重）
传统方法对比
度中心性
衡量节点连接数量
✗ 忽视边权重与方向性
介数中心性
评估节点桥接作用
✗ 计算复杂度高，难以处理大规模网络
接近中心性
衡量到其他节点距离
✗ 对权重异质性敏感度不足
实验验证与结果
基于团队构建的不同规模地表系统科学数据有向加权关联网络，结合加权SIR模型进行实验验证。
性能优势
- 肯德尔相关系数更高
- TOP-K命中率显著提升
- 多尺度网络强鲁棒性
对比方法
- • 传统网络加权中心性
- • 基于主观权重的TOPSIS
- • 基于客观权重的TOPSIS
- • 其他复杂网络分析方法