# OSBI

**Repository Path**: Chester_Xue/osbi

## Basic Information

- **Project Name**: OSBI
- **Description**: 基于观察者节点的复杂网络传播源识别 (SI 模型)
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2026-05-29
- **Last Updated**: 2026-08-25

## Categories & Tags

**Categories**: Uncategorized

**Tags**: 复杂网络, 源节点识别

## README

# OSBI: Observer and Label-Guided Source Identification

> 复杂网络中基于观察者节点与标签引导的传播源识别方法

## 方法概述

OBSI（Observer and Label-Guided Source Identification）通过两个核心算法阶段识别网络中的传播源节点：

**Algorithm 1 — 观察者选择**：基于 k-core 分解与度中心性的加权组合计算节点重要性，以 1-hop 分离约束贪心选择观察者节点集，最大化网络覆盖范围。

**Algorithm 2 — 标签引导传播**：利用观察者记录的感染方向信息，以异构权重（α/β）引导标签传播。观察者相关边使用增强权重 β，普通边使用标准权重 α，迭代收敛后在初始感染非观察者节点中识别全局/局部标签极大值作为候选源。

## 项目结构

```
OSBI/
├── src/                            # 核心算法
│   ├── observer_selection.py       # Algorithm 1: 观察者选择 (k-core + degree)
│   ├── si_simulation.py            # SI 传播模型
│   ├── label_propagation.py        # Algorithm 2: 标签引导传播
│   ├── source_identification.py    # 单源/多源识别流水线
│   ├── metrics.py                  # ED, F1, Jaccard, Top-k
│   └── utils.py                    # 图加载、矩阵构建
├── baselines/                      # 基线方法
│   ├── lpsi.py                     # LPSI (Wang et al. 2017)
│   ├── pbsi.py                     # PBSI (Zhu et al. 2022)
│   ├── scce.py                     # SCCE (Tang et al. 2018)
│   └── advanced_observer.py        # 高级观察者策略 (PrEF/EDIS/DC/CC/BC)
├── experiments/                    # 实验流水线
│   ├── run_single_source.py        # 单源识别
│   ├── run_multi_source.py         # 多源识别
│   ├── run_observer_ratio.py       # 观察者比例扫描
│   ├── run_infection_rate.py       # 感染率扫描
│   ├── run_parameter_sensitivity.py # 参数敏感性
│   ├── run_baselines.py            # 基线对比
│   └── run_structural_analysis.py  # 网络结构分析
├── figures/                        # 图表生成
│   ├── __init__.py                 # Fig 4-16 + Table 2-3
│   └── combine_figures.py          # 子图合并
├── data/                           # 数据集
├── results/                        # 实验结果 (CSV)
├── convert_results.py              # Excel→标准CSV转换
├── main.py                         # 统一CLI入口
├── requirements.txt
├── REVIEWER_GUIDANCE.md            # 审稿意见修改指导
└── README.md
```

## 安装

```bash
pip install -r requirements.txt
```

## 使用方法

```bash
# 单个实验
python main.py --method OBSI --network dolphin --mode single
python main.py --method OBSI --network dolphin --mode multi
python main.py --method SCCE  --network dolphin --mode multi

# 全部实验
python main.py --all --iterations 100

# 仅重新生成图表
python main.py --plot-only

# 转换 Origin Excel 数据
python convert_results.py

# 结构分析
python experiments/run_structural_analysis.py

# 合并子图
python figures/combine_figures.py
```

## 命令行参数

```
--method    {OBSI,LPSI,PBSI,SCCE}   运行的方法
--network   NAME                    网络名称
--mode      {single,multi}          单源/多源模式
--iterations N                      迭代次数 (默认 100)
--plot-only                        仅从已有 CSV 重新生成图表
--all                               运行全部实验
--format    {pdf,png,eps}           图表输出格式 (默认 pdf)
--seed      N                       随机种子 (默认 42)
```

## 数据集

| 网络 | 节点 | 边 | 格式 |
|------|------|-----|------|
| Karate | 34 | 78 | .txt |
| Dolphin | 62 | 159 | .csv |
| Football | 115 | 613 | .gml |
| Jazz | 198 | 2,742 | .mtx |
| Email | 1,133 | 5,451 | .txt |
| BA1000 | 1,000 | 4,000 | — |
| BA4000 | 4,000 | 20,000 | — |
| Facebook | 4,039 | 88,234 | .txt |

## 算法参数

| 参数 | 默认值 | 说明 |
|------|--------|------|
| observer_ratio | 0.1 | 观察者占比 |
| p_infect | 0.3 | SI 模型感染概率 |
| alpha | 0.5 | 标签传播衰减系数 |
| beta | 0.95 | 观察者增强系数 (β > α) |
| lam | 0.5 | k-core 与 degree 平衡权重 |
| infection_threshold | 0.3 | 终止传播的感染比例 |
| K | 5 | 多源裁剪数量 |

## 评估指标

| 指标 | 场景 | 说明 |
|------|------|------|
| Error Distance | 单源 | 识别源到真实源的最短路径长度 |
| F-Score | 多源 | 精确率与召回率的调和平均 |
| Jaccard | 多源 | 识别源集与真实源集的交并比 |
| Top-k | 多源 | 前 k 个候选节点命中真实源的比例 |

## 生成图表

| 图表 | 内容 |
|------|------|
| Fig 4 | 单源识别 Error Distance |
| Fig 5 | 小网络多源 F-Score |
| Fig 6 | 大网络多源 F-Score |
| Fig 7 | 多源 Jaccard 系数 |
| Fig 8 | 观察者比例与覆盖率/ED |
| Fig 9 | OBSI vs PBSI 不同比例对比 |
| Fig 10 | 观察者信息缺失/噪声影响 |
| Fig 11 | 感染率扫描 |
| Fig 12 | 多感染率基线对比 (含 SCCE) |
| Fig 13 | 3D 曲面图 (补充材料) |
| Fig 14 | λ 敏感性 |
| Fig 15 | α 敏感性 |
| Fig 16 | 收敛性分析 |
| Table 2 | Top-k 准确率 |
| Table 3 | 观察者策略对比 |