Gromov Centrality: A Multi-Scale Measure of Network Centrality Using Triangle Inequality Excess
中心性度量基于不同的几何或扩散属性量化网络中节点的重要性，并关注不同的尺度。在这里，我们采用几何的观点来定义网络中的多尺度中心性。给定节点之间的度量距离，我们通过三角形不等式超额的概念，通过节点接近其邻域中节点之间的测地线的趋势来测量节点的中心性。根据邻域的大小，所得到的Gromov中心性定义了图中不同尺度上节点的重要性，并恢复为限制众所周知的概念，如聚类系数和贴近度中心性。我们认为，Gromov中心性的影响的几何和边界约束的网络，并说明它如何可以帮助区分不同类型的节点在随机几何图形和经验运输网络。
2022-05-10 cs.SI physics.soc-ph
Stability and Continuity of Centrality Measures in Weighted Graphs
本文给出了加权图中节点中心性度量稳定性的正式定义。结果表明，常用的度，贴近度和特征向量中心性的措施是稳定的，而介数中心性不是。后者的另一种定义，保留了相同的中心性概念，同时满足稳定性标准的介绍。连续性是作为一个不太严格的替代稳定性。介数中心性不仅是不稳定的，但不连续。在合成随机网络和真实世界的数据的数值实验表明，在实践中，稳定性和连续性意味着不同程度的鲁棒性在噪声数据的存在。特别是，稳定的介数中心性表现出对噪声的弹性，是不存在的不连续和不稳定的标准介数中心性，同时保持类似的概念的中心性。
2014-10-19 cs.SI physics.soc-ph
Centrality measures and opinion dynamics in two-layer networks with replica nodes
该研究针对带复制节点的双层网络，提出两种快速准确的博弈论中心性测度逼近算法，结合扩展的扎卡里空手道俱乐部网络验证，发现内部图密度与共识时间强正相关、权威节点中心性与共识时间强负相关。
2024-09-18 cs.DS cs.SI physics.soc-ph
Interplay between Social Influence and Network Centrality: A Comparative Study on Shapley Centrality and Single-Node-Influence Centrality
我们研究了社交网络中基于动态影响传播模型的网络中心性。为了说明我们理解动态影响过程和静态网络结构之间的基本相互作用的集成算法方法，我们专注于两个基本的中心性度量：（a）单节点影响（SNI）中心性，它通过影响传播来度量每个节点的重要性; Shapley中心性，它使用影响扩散函数的Shapley值--基于基本的合作博弈理论概念制定--来衡量节点的重要性。我们提出了一个全面的比较研究，这两个中心的措施。在数学上，我们提出了公理化的特征，这恰恰抓住了这两个中心的措施和他们的根本区别的本质。从数学上讲，我们提供了可扩展的算法来近似一个大家庭的社会影响力的实例。从经验上讲，我们证明了他们的相似性和差异，在一些现实世界的社交网络，以及我们的可扩展算法的效率。我们的研究结果揭示了它们的适用性：SNI中心性适合于评估孤立的个人影响力，而Shapley中心性评估个人在群体影响力环境中的表现。
2017-03-01 cs.SI physics.soc-ph
The Bow-Tie Centrality: A Novel Measure for Directed and Weighted Networks with an Intrinsic Node Property
今天，存在许多中心性度量用于评估网络中节点的重要性，作为其位置和底层拓扑的函数。一类这样的措施建立在特征向量中心，其中一个节点的重要性是从它的相邻节点的重要性。对于有向和加权的复杂网络，其中节点可以携带一些内在属性值，已经提出了中心性度量，这些度量是特征向量中心性的变体。然而，这些表达方式都有缺点。在这里，这种中心性措施的扩展，补救所有以前遇到的问题。虽然已经提出了类似的改进的中心性措施作为算法配方，这里提出的新的数量是一个纯粹的分析表达式，只利用邻接矩阵和节点值的向量。详细推导了新的中心性测度。具体来说，中心性本身对于分析显示蝴蝶结拓扑的有向和加权网络（具有节点属性）是理想的。然后计算一个独特的和广泛的现实世界的数据集，来自经济学的新颖的领结中心。它示出了蝴蝶结中心性如何评估类似于其他特征向量中心性措施的节点的相关性，同时不受其缺点的困扰，在网络中存在的周期。
2019-11-03 cs.SI physics.soc-ph
The impact of partially missing communities~on the reliability of centrality measures
网络数据通常不是无误差的，某些节点的缺失是一种非常常见的测量误差。研究表明，缺失节点会严重影响中心性度量的可靠性。本文研究了当缺失节点可能属于同一社区时中心性测度的可靠性。我们研究了五种常用的中心性度量在均匀网络和无标度网络中的行为。我们发现，中心性措施通常更可靠的情况下，失踪的节点很可能属于同一个社区比在节点失踪均匀随机。然而，在无标度网络中，当缺失节点更有可能属于同一社区时，介数中心性变得不那么可靠。此外，无标度网络中的中心性度量在社区结构较强的网络中更可靠。相比之下，我们没有观察到均匀网络的这种效应。我们的观察结果表明，缺失节点对中心性度量的可靠性的影响可能不像文献中所说的那样严重。
2017-09-20 cs.SI physics.soc-ph
Influence measures in subnetworks using vertex centrality
这项工作涉及的问题，评估在整个网络中的节点的影响，以及在子网中，它属于，适应的经典思想的顶点中心。相对于经典的顶点中心性测度，我们给出了一个相对顶点中心性测度的一般定义。具体来说，我们给出了一个分解的相对中心性措施，包括相对于一个给定的子图包含它的单个节点的相对影响。建议的相对中心性措施进行了测试，在经验网络收集资产的$S\&P$ 100，集中在两个特定的中心性指标：介数和特征向量中心。分析是从时间的角度进行的，根据所分析的措施的特点，在整个网络和资产所属的特定部门中捕捉资产的影响。
2019-10-04 cs.SI physics.soc-ph
Combined Centrality Measures for an Improved Characterization of Influence Spread in Social Networks
影响力最大化（Influence Maximization，IM）的目标是在社交网络中发现最具影响力的用户。例如，在特定传播模型内最大化意见传播的用户。以前的工作研究了影响扩散和节点中心性措施之间的相关性，以绕过更昂贵的IM模拟。结果是有希望的，但不完整，因为这些研究调查的性能（即。例如，识别有影响力的用户的能力）的中心性措施，只有在有限的设置，e。例如，在一个实施例中，在无向/未加权网络中和/或在IM较不常见的传播模型内。在本文中，我们首先表明，良好的结果内的易感性-删除-删除（SIR）的无权重和无向网络的传播模型不一定转移到流行的独立级联（IC）的传播模型下的有向或加权网络。然后，我们确定了一组具有良好性能的加权和有向网络内的IC模型的中心性措施。我们的主要贡献是一种新的方式来结合在一个封闭的公式，以产生更好的结果的中心性措施。此外，我们还扩展了引力中心性（GC）与建议的组合中心性措施。我们在50个真实数据集上的实验表明，我们提出的中心性测度显著优于著名的中心性测度和最先进的GC测度。社交网络，影响力最大化，中心性测度，IC传播模型，影响力传播者
2020-03-11 cs.SI physics.soc-ph
Map Equation Centrality: Community-aware Centrality based on the Map Equation
为了衡量节点的重要性，网络科学家使用中心性分数，通常从微观或宏观的角度，依赖于节点特征或全局网络结构。然而，传统的中心性度量，如度中心性，介数中心性或PageRank，忽略了现实世界中的社区结构。为了从中观的角度研究基于网络流量的节点重要性，我们解析地推导出一个基于网络流量的社区感知信息理论中心性得分和映射方程背后的编码原则：映射方程中心性。地图方程中心性测量我们可以通过不对到相应节点的随机步行器转换进行编码，使用自适应编码方案并从基于网络流的角度确定节点重要性来进一步压缩网络的模块化描述。信息理论中心性度量可以单独从节点的本地网络上下文确定，因为编码方案的改变仅影响同一模块中的其他节点。地图方程中心性对所选择的网络流模型是不可知的，并允许研究人员选择最能反映所研究过程动态的模型。应用于合成网络，我们强调我们的方法如何使节点之间的更细粒度的区别比节点本地或网络全球的措施。预测有影响力的节点在现实世界的网络上的两个不同的动态过程与传统的和其他社区意识的中心性措施，我们发现，激活节点的基础上地图方程中心性分数往往会创建一个线性阈值模型中最大的级联。
2022-08-17 cs.SI physics.soc-ph
Axioms for Centrality
给定一个社交网络，哪个节点更中心？这个问题已经在社会学、心理学和计算机科学中被问过很多次了。中心性指数（centrality indices）或排名（rankings）被提出来说明网络节点的重要性。在本文中，我们试图提供一个数学上健全的调查，从文献中已知的最重要的经典中心性措施，并提出了一个公理化的方法来建立他们是否真的在做他们已经被设计。我们的公理提出了一些简单的，基本的性质，一个中心性措施应该表现出来。令人惊讶的是，只有一个基于距离的新的简单度量，谐波中心性，才能满足所有公理;本质上，谐波中心性是对巴韦拉斯经典的接近中心性的修正，旨在以自然的方式考虑不可到达的节点。作为一个健全的检查，我们反过来检查每一个措施的镜头下的信息检索，利用国家的最先进的知识，在学科来衡量的有效性，在定位网页的各种索引是相关的查询。虽然在文献中有一些这种比较的例子，在这里，我们第一次考虑到中心性措施的基础上的距离，如接近度，在信息检索设置。结果与我们使用公理化方法收集的数据非常吻合。我们的研究结果表明，基于距离的中心性措施，这已被忽视的信息检索在过去的几年中，有利于频谱中心性措施，实际上是非常高的质量，此外，调和中心弹出作为一个优秀的通用中心性指标任意有向图。
2013-11-06 cs.SI physics.soc-ph
A centrality measure for quantifying spread on weighted, directed networks
针对加权有向网络传播场景，本文基于独立级联模型提出 Viral Centrality，并用加权邻接矩阵主特征值刻画其近似条件，实验表明其优于常见中心性指标。
2023-03-16 cs.SI physics.soc-ph
Discriminating Power of Centrality Measures
中心性度量的计算是网络研究中的常见做法，因为它们试图量化单个顶点、边或其他组件的重要性。不同的中心试图以不同的方式衡量重要性。本文研究了E. Estrada关于区分网络顶点的几种度量的能力。Estrada指出，如果一个图的所有顶点都具有相同的子图中心性，那么所有顶点也必须具有相同的度、特征向量、贴近度和介数中心性。我们提供了一个反例后两个中心性措施，并提出了一个修正的猜想。
2013-05-14 cs.SI physics.soc-ph
Stability of Local Information based Centrality Measurements under Degree Preserving Randomizations
节点中心性是网络分析中不可或缺的度量之一，具有广泛的应用范围，从社会经济到个性化推荐。我们认为，一个有效的中心性措施，即使在网络中引入的信息丢失或噪声进行稳定。利用6个基于局部信息的中心性度量，研究了在保持度分布不变的情况下，改变节点的重复性对指数分布和无标度分布网络的影响.该模型为研究中心性度量的稳定性提供了一个新的视角，可以进一步应用于社会科学、生物学、信息科学、社区发现等领域。
2018-12-30 cs.SI physics.soc-ph
Centrality Measures in Networks
我们发现，突出的中心性措施在网络分析中都是基于可加性分离和线性处理的统计数据，捕捉一个节点在网络中的位置。这使我们能够提供一种中心性度量的分类，将它们提炼为两个维度上的变化：（i）它们使用关于节点位置的哪些信息，以及（ii）这些信息如何作为与所讨论节点的距离的函数进行加权。通常使用的关于节点位置的三种信息-我们称之为“节点统计”-是从给定节点到其他节点的路径，从给定节点到其他节点的步行，以及包括给定节点的其他节点之间的测地线。使用这样的统计节点的位置，我们还描述了树的类型，使中心性措施都同意，我们还讨论了一些基于路径的中心性措施，确定的属性。
2021-01-22 cs.SI physics.soc-ph
Maximal-entropy random walk unifies centrality measures
在本文中，不同的相似性矩阵之间的类比。这些矩阵，连接到路径枚举和随机游动，用于社区检测方法或计算复杂网络的中心性措施。重点是一些已知的中心性措施，继承了相似性矩阵建立的连接。这些措施是基于主特征向量的邻接矩阵，路径枚举，以及对平稳状态，随机矩阵或平均首次通过时间的随机游动。特别注意的是最大熵随机游走，这是一个非常独特的替代普通的随机游走在网络分析中使用。各种重要性的措施，定义与使用普通的随机游走和最大熵随机游走，数值上的一组基准图进行比较。结果表明，定义为两个随机游动的中心性措施组聚类成两个独立的家庭。特别是，最大熵随机游走的中心群，连接到特征向量中心和路径枚举，是强烈不同于所有其他措施，并产生很大程度上等效的结果。
2012-08-30 cond-mat.dis-nn cond-mat.stat-mech cs.SI
Scale-dependent measure of network centrality from diffusion dynamics
图中心性的经典度量捕获节点重要性的不同方面，从局部（例如，度）到全局（例如，接近）。在这里，我们利用扩散和几何之间的联系，介绍了多尺度中心性措施。如果节点由于图中的有效边界和不均匀性而破坏了扩散的度量性，则该节点被定义为中心节点。我们的措施自然是多尺度的，因为它是计算相对于图邻域内的扩散的变化的时间范围。我们发现，节点的中心性可以在不同的尺度上有很大的不同。特别是，我们的测量与程度相关（即，集线器）以小规模和紧密性（即，桥），也揭示了复杂网络中多中心结构的存在。通过检查跨尺度的中心性，我们的措施，从而提供了一个节点的重要性相对于网络上的本地和全球进程的评估。
2020-07-21 cs.SI physics.soc-ph
Generalization of Effective Conductance Centrality for Egonetworks
我们研究了流行的中心性度量，称为有效电导，或在某些圈子中称为信息中心性。这是无向网络的中心性的重要概念，具有许多应用，例如，随机游动，电阻网络，传染病传播，等等。在本文中，我们首先重新解释这个措施的模（能量）的家庭的网络上行走。这种模中心性度量与简单无向网络上的有效电导度量一致，并将其扩展到更一般的情况，例如，网络也是如此。其次，我们研究了一个变化的自我中心的网络范式，这种模数的方法。Egonetworks是围绕一个焦点节点（ego）形成的网络，具有特定的邻域顺序。我们提出了有效的分析和近似方法计算这些措施的无向和有向网络。最后，我们描述了一个简单的方法启发的模的观点，称为壳度，这被证明是一个有用的工具，网络科学。
2018-07-26 cs.DS cs.SI physics.data-an
Modeling and Measuring Graph Similarity: The Case for Centrality Distance
复杂网络拓扑结构的研究已经吸引了研究者们几十年的时间，今天我们已经对许多不同的复杂网络的类型和重现特性有了相当好的了解。然而，令人惊讶的是，今天对比较复杂图形的模型知之甚少，并定量地测量它们的相似性。本文提出了一种复杂网络的自然相似性度量：中心性距离，即两个图之间关于给定节点中心性的差异。中心距离允许考虑网络中不同节点的特定角色，并有许多有趣的应用。作为一个案例研究，我们考虑了更详细的接近中心，并表明，接近中心距离可以有效地区分随机生成的和实际的两个动态社交网络的进化路径。
2014-06-20 cs.DS cs.SI physics.soc-ph
Sampling on networks: estimating spectral centrality measures and their impact in evaluating other relevant network measures
我们进行了广泛的分析如何抽样影响几个相关的网络措施的估计。特别是，我们专注于如何采样策略优化，以恢复一个特定的光谱中心性措施影响其他拓扑数量。我们的目标是一方面扩展TCEC [Ruggeri2019]行为的分析，TCEC是一种用于特征向量中心估计的理论基础采样方法。另一方面，为了更广泛地展示采样如何影响相关网络属性的估计，例如不同于旨在优化的中心性度量，社区结构和节点属性分布。最后，我们适应TCEC背后的理论框架的情况下，PageRank中心，并提出了一个抽样算法，旨在优化其估计。我们表明，虽然理论推导可以适当地适应，以涵盖这种情况下，所得到的算法遭受的高计算复杂性，需要进一步的近似相比，特征向量中心的情况下。
2020-03-10 cs.SI physics.data-an physics.soc-ph
Hybrid Centrality Measures for Binary and Weighted Networks
现有的社会网络分析中心性度量方法考虑了参与者的重要性，并考虑了参与者在网络中的特定结构位置。这些现有度量建议了行动者的特定属性（即，受欢迎程度、可访问性和经纪行为）。在这项研究中，我们提出了新的混合中心性措施（即，度-度、度-接近度和度-中间度），通过结合现有的度量（即，度、接近度和中间度），并提出更好地理解参与者在给定网络中的重要性的建议。本文还提出了加权网络的广义测度集。我们对合著网络数据集的分析表明，我们提出的新的中心性度量（特别是加权网络）与传统的中心性度量相比，与学者的表现具有显着的相关性。因此，它们是有用的措施，可以用来代替传统的措施，以显示在网络中的演员的突出。
2012-02-10 cs.DL cs.SI physics.soc-ph
Eigenvector centrality of nodes in multiplex networks
我们将特征向量中心性的概念扩展到多路复用网络，并引入了几个替代参数，量化了节点在多层网络系统中的重要性，包括向量型中心性的定义。此外，我们严格表明，在合理的条件下，这样的中心性措施存在，是唯一的。计算机实验和模拟表明，所提出的措施提供了显着不同的结果时，适用于相同的多重结构，并突出了非平凡的不同措施的中心性之间的关系。
2013-09-04 cs.SI physics.soc-ph
A measure of centrality based on the spectrum of the Laplacian
我们引入了一个新的中心族，k-谱中心。k-谱中心性是关于与图相关联的图拉普拉斯算子的变形的重要性的度量。由于这种联系，k-谱中心性在谱确定信息方面有各种解释。我们探讨了几个例子的背景下，这种中心性。对于稀疏的未加权网络，1-谱中心性的行为与其他标准中心性相似，而对于稠密的加权网络，它们表现出不同的性质。总之，k谱中心性提供了一种新颖且有用的相关性测量（对于单个网络元件以及整个子网），其不同于其他已知的测量。
2011-12-20 cs.SI physics.data-an physics.soc-ph
Global Rank Estimation
在现实世界的复杂网络中，节点的重要性取决于两个重要参数：1。节点的特性，以及2.给定应用程序的上下文。目前的文献包含几个中心性的措施，已被定义为衡量一个节点的重要性的基础上给定的应用程序的要求。这些中心性度量为每个节点分配一个中心性值，表示其重要性指数。但在实际应用中，我们更感兴趣的是节点的相对重要性，可以使用基于给定中心性度量的中心性秩来度量。为了计算一个节点的中心性排名，我们需要计算所有节点的中心性值并比较它们以获得排名。这个过程需要整个网络。因此，由于现实世界网络的大规模和动态性，它对于现实生活中的应用是不可行的。在本项目中，我们的目标是提出快速有效的方法来估计一个节点的全局中心性排名，而无需计算所有节点的中心性值。这些方法可以进一步扩展到估计秩，而无需整个网络。所提出的方法使用的结构行为的中心性措施，抽样技术，或机器学习模型。在这项工作中，我们还讨论了如何将这些方法用于度和贴近度中心性秩估计。
2017-10-31 cs.SI physics.soc-ph
Two betweenness centrality measures based on Randomized Shortest Paths
本文介绍了两种基于随机最短路径（RSP）框架的密切相关的新介数中心性度量，它们填补了基于最短路径的传统网络中心性度量与考虑随机游走或当前流的最新方法之间的空白。该框架定义了网络路径上的玻尔兹曼概率分布，其重点是最短路径，但也考虑了取决于逆温度参数的较长路径。RSP以前已被证明在定义网络上的距离测量方面是有用的。在这项工作中，我们研究他们的效用在量化的网络节点的重要性。建议的RSP介数中心相结合，以最佳的方式，使用最短和纯随机路径的想法来分析网络节点的角色，避免涉及这两种范式的问题。我们提出了这些措施的衍生物，以及它们如何可以计算在一个有效的方式。此外，我们用真实世界的例子展示了RSP介数中心在识别网络中更传统的方法可能无法注意到的有趣节点方面的潜力。
2016-02-02 cs.DS cs.SI physics.soc-ph
Analyzing complex networks through correlations in centrality measurements
许多现实世界的系统可以表示为相互连接的节点的复杂网络。能够量化网络中各个节点的相对重要性通常很重要，这是通过定义一些中心性度量来完成的任务，不同的中心性定义强调网络的不同方面。了解这些不同的中心性定义在多大程度上与不同的网络相关是很有趣的。在这项工作中，我们研究了不同的现实世界的网络和两个网络模型的一组中心性措施对之间的相关性。我们发现，中心性一般是相关的，但更强的相关性网络模型比真实的网络。我们还表明，每对中心的相关性的强度不同，从网络到网络。考虑到这一事实，我们建议使用的中心性相关配置文件，包括所有对感兴趣的中心之间的相关系数的值，作为一种方式来表征网络。使用酵母蛋白质相互作用网络作为一个例子，我们还表明，中心性相关配置文件可以用来评估一个网络模型作为一个给定的真实网络的代表的充分性。
2015-03-04 cs.SI physics.soc-ph
Centrality measures for graphons: Accounting for uncertainty in networks
Columbia University（哥伦比亚大学）；MIT（麻省理工学院）；University of Oxford（牛津大学）；Rice University（莱斯大学）
本文研究了图ons中的中心性度量，提出了一种基于图ons理论的统计方法，通过定义图ons的中心性度量并建立其与传统图中心性度量之间的联系，以应对大规模不确定网络中的计算和概念挑战。
2018-11-28 cs.SI cs.SY eess.SY
A Method for Reducing the Severity of Epidemics by Allocating Vaccines According to Centrality
流行病学研究中一个长期存在的问题是如何最好地分配有限数量的疫苗或类似的预防措施，以尽量减少流行病的严重程度。大部分关于疫苗分配问题的文献都集中在流感流行上，并使用流行病传播的数学模型来确定所提出的方法的有效性。我们的工作适用于计算模型的流行病的问题，在几个得克萨斯州县的地理分配有限数量的疫苗。我们开发了一个基于图的，随机模型的流行病，是基于SEIR模型，并测试了疫苗分配方法的基础上，多个中心性措施。这种方法为解决疫苗分配问题提供了一种替代方法，可以与更传统的方法相结合，以产生更有效的流行病抑制策略。我们发现，基于入度和逆介数中心的分配方法往往是最有效的遏制流行病。
2014-07-27 cs.CE cs.SI physics.soc-ph
An Analysis of Centrality Measures for Complex and Social Networks
复杂网络分析的度量，如顶点中心性，有可能揭示现有的网络模式和行为。它们有助于通过分析网络及其组件的结构特性来理解网络及其组件，这使得它们在几个计算机科学领域和应用中非常有用。不幸的是，有大量的不同的中心性措施，很少有人知道他们在实践中的共同特点。通过实证分析，我们的目的是在一个清晰的了解主要的中心性措施，揭示他们的相似性和差异，在大量的不同社交网络。我们的实验表明，顶点中心性的措施，称为信息，特征向量，子图，步行介数和介数可以区分顶点在各种网络的粒度性能在95%，而其他指标取得了相当低的结果。此外，我们证明了几对度量以非常相似的方式评估顶点，即它们的相关系数值都在0.7以上。这是出乎意料的，考虑到每个指标都有一个非常独特的理论和算法基础。因此，我们的工作有助于发展一种有原则的网络分析和评估的方法。
2018-11-04 cs.SI physics.soc-ph
Adjustable reach in a network centrality based on current flows
中心性，量化了单个节点的“重要性”，是现代网络理论中最基本的概念之一。最突出的中心性度量可以表示为节点对之间的影响流的聚合。由于影响力的定义有多种方式，因此使用了许多不同的中心性度量。参数化中心性通过将中心性计算调整为最适合给定网络的机制，从而提供了进一步的灵活性和实用性。在这里，我们确定了两类中心性参数。到达参数控制远处节点之间影响流的衰减。抓取参数控制中心性沿多个通常为非测地线的路径发送影响流的可能性。将这些范畴与Borgatti的中心性类型相结合[S. P. Borgatti，社交网络27，55-71（2005）]，我们得到了一个新的参数化中心分类系统。使用这种分类，我们确定了显着缺乏任何中心的措施，是径向的，达到参数化，并根据非循环，保守的影响流。因此，我们引入了地电流中心性，这正是这种类型的度量。由于其在分类学中的独特地位，地电流中心性比类似的中心性具有显着的优势。我们证明，与其他保守流中心，它有一个更简单的数学描述。与其他到达中心相比，它在广泛的网络架构中稳健地保持了直观的排名顺序。我们还表明，它产生一个一致的节点之间的中心性值的分布，既不平凡地平均传播（离域），也不过分集中在几个节点（本地化）。其他到达中心分别在常规网络和枢纽网络上表现出这两种行为。
2021-06-02 cs.SI physics.soc-ph
Lobby index as a network centrality measure
研究了复杂网络中的lobby指数（简称l指数）作为局部节点中心性度量。在生物网络（酵母相互作用蛋白质-蛋白质网络）和语言网络（Moby Thesaurus II）的情况下，将l-inde与度（局部度量）、介数和特征向量中心性（两个全局度量）进行比较。在这两个网络中，l-指数与介数的相关性较差，但与度和特征向量相关。作为一种局部度量，可以通过使用l-索引来利用，因为与度中心性相比，它携带了更多关于其邻居的信息，实际上与特征向量中心性相比，它需要更少的计算时间。结果表明，l-指数产生更好的结果比度和Eigenvector的措施排名的目的，成为合适的工具来执行这项任务。
2013-06-26 cs.DL cs.SI physics.soc-ph
Robustness of Network Measures to Link Errors
在涉及复杂网络的各种应用中，网络测度被用来评估网络节点的相对重要性。然而，这种措施的鲁棒性在链接不准确的存在还没有得到很好的表征。在这里，我们提出了两个简单的错误和缺失链接的随机模型，并研究了链接错误对三种常用节点中心性度量的影响：度中心性、介数中心性和动态重要性。我们进行数值模拟，以评估这三个中心性措施的鲁棒性。我们还开发了一个分析理论，我们与我们的模拟比较，获得很好的协议。
2013-09-18 cond-mat.stat-mech cs.SI physics.soc-ph
Lexical Sorting Centrality to Distinguish Spreading Abilities of Nodes in Complex Networks under the Susceptible-Infectious-Recovered (SIR) Model
复杂网络中的传染病建模是近年来研究的热点之一。易感-感染-传染（SIR）模型及其变体常用于流行病建模。传染病建模中的一个重要问题是确定网络中节点的传播能力。因此，例如，可以在早期阶段检测到。在这项研究中，我们开发了一个中心性措施，称为词汇排序中心性（LSC），区分节点的传播能力。使用为节点计算的其他中心性度量，LSC以类似于字母顺序的方式对节点进行排序。我们使用SIR对六个数据集进行了模拟，以评估LSC的性能，并将LSC与度中心性（DC），特征向量中心性（EC），接近中心性（CC），介数中心性（BC）和引力中心性（GC）进行了比较。实验结果表明，LSC能更准确、更果断、更快速地判别节点的传播能力。
2021-01-24 cs.SI physics.soc-ph
Absorbing Random Walks Interpolating Between Centrality Measures on Complex Networks
中心性，量化了单个节点的“重要性”，是现代网络理论中最基本的概念之一。由于节点在许多方面都很重要，因此使用了许多不同的中心性度量。在这里，我们集中讨论常见的中间性和接近中心性的版本。前者测量通过给定节点的节点对之间的路径的分数，而后者测量特定节点和所有其他节点之间的平均倒数距离。两个中心性仅考虑最短路径（即，测地线）之间的节点对。在这里，我们开发了一种方法，吸收马尔可夫链的基础上，使我们能够不断地插入这两个中心的措施远离测地线的限制，并朝着限制，没有限制的路径长度的步行者可以探索。在该第二个极限处，内插的介数和接近度中心性分别降低到众所周知的当前介数和电阻接近度（信息）中心性。该方法在四个真实网络上进行了数值测试，揭示了节点中心性排名相对于插值参数值的复杂变化。非单调介数行为被发现的特征节点，靠近社区间的边界在所研究的网络。
2020-01-31 cond-mat.stat-mech physics.soc-ph
Opinion-Based Centrality in Multiplex Networks: A Convex Optimization Approach
大多数人同时属于几个不同的社交网络，在这些网络中，他们的关系可能是不同的。他们对某些主题有自己的看法，并在这些网络上分享和传播，同时也受到其他人看法的影响。在本文中，我们建立在这一观察，提出了一个新的节点中心性措施复用网络。我们的措施，所谓的意见中心，是基于一个随机模型，代表在这样的网络中的意见传播动态。我们制定了一个优化问题，包括在最大限度地提高整个网络的意见时，控制一个外部的影响，能够单独影响每个节点。我们找到了这个问题的数学封闭形式，并使用它的解决方案，以获得我们的中心性措施。根据意见中心性，越值得投入外部影响力的节点就越具有中心性。我们进行了实证研究，提出了一个玩具网络的中心性，以及收集现实世界的网络。我们的措施一般是负相关的，现有的多重中心性措施，并强调不同类型的节点，根据其定义。
2017-06-09 cs.GT cs.SI physics.soc-ph
Eigenvector-Based Centrality Measures for Temporal Networks
许多中心性测度被用来量化时间无关网络中节点的重要性，其中许多测度可以表示为某个矩阵的首特征向量。随着随时间变化的网络数据的可用性越来越高，重要的是将这种基于特征向量的中心性度量扩展到时间依赖的网络。在本文中，我们介绍了一个原则性的推广网络中心性措施，是有效的任何特征向量为基础的中心。我们将一个具有N个节点的时间网络看作是一系列T层，这些层在不同的时间窗口内描述网络，我们将这些层的中心性矩阵耦合到一个大小为NTxNT的超中心性矩阵中，该矩阵的主特征向量给出了每个节点i在每个时间t的中心性。我们将该特征向量及其分量称为联合中心性，因为它反映了节点i和时间层t的重要性。我们还介绍了边际和条件中心的概念，这有利于随着时间的推移中心轨迹的研究。我们发现，层之间的耦合强度是重要的，以确定多尺度性能的中心，如本地化现象和时间尺度的中心变化。在强耦合制度，我们推导出的时间平均的中心，这是由零阶项的奇异摄动展开的表达式。我们还研究了一阶项，以获得一阶移动分数，它简洁地描述了节点的中心性随时间变化的幅度。作为例子，我们将我们的方法应用于三个经验时间网络：美国博士。数学交流，好莱坞黄金时代顶级演员之间的关系，以及美国最高法院判决的引用。
2016-09-21 cs.SI nlin.AO physics.data-an
On Local and Global Centrality in Large Scale Networks
估计包括但不限于社交网络、生物网络、通信网络、新兴智能电网等的大规模网络中的有影响力的节点是基本感兴趣的主题。为了理解网络中节点的影响，一个经典的度量是中心性，其中有多个特定的实例，包括度中心性，接近中心性，介数中心性等等。到目前为止，识别具有高中心性度量的节点的现有算法在整个（或者更确切地说全局）网络上操作，导致高计算复杂性。在本文中，我们设计了有效的算法来确定介数中心在大规模网络的优势，这些大规模网络所表现出的模块化拓扑结构。简单地说，模块化拓扑是指整个网络似乎被划分为不同的模块（或集群或社区），其中模块内的节点（可能共享高度相似的配置文件）之间具有密集的连接，而跨模块的连接相对稀疏。使用一种新的适应Dijkstra的最短路径算法，并执行它在本地模块和模块之间的稀疏边缘，我们设计的算法，可以正确地计算介数中心比现有的算法快得多。据我们所知，我们是第一个利用大规模网络的模块化拓扑来解决中心性问题的工作，尽管这里我们主要将讨论限制在社交网络上。我们还提供了更多关于中心性的见解，以及我们的算法如何用于确定其他中心性度量。
2014-06-11 cs.SI physics.soc-ph
On the limiting behavior of parameter-dependent network centrality measures
Emory University（埃默里大学）；Lawrence Livermore National Laboratory（劳伦斯利弗莫尔国家实验室）
研究参数化节点中心性度量的极限行为，揭示参数调节如何在度中心性和特征向量中心性间插值，并探讨谱间隙和三角形数量对网络排名的影响。
2015-04-30 cs.NA cs.SI math.NA
Centrality measures in networks based on nodes attributes, long-range interactions and group influence
本文提出一种新的方法，考虑节点属性、个体和群体影响及相互作用强度，以识别传统中心性度量无法检测的显性和隐性中心元素。
2016-10-19 cs.SI econ.GN physics.soc-ph
Spectral centrality measures in complex networks
复杂网络的特点是节点度的异质性分布，这使得网络中节点的角色多样化。已经引入了几种中心性度量来基于节点在图中的拓扑重要性对节点进行排名。在这里，我们审查和比较中心性措施的基础上，图矩阵的谱特性。我们将专注于PageRank，特征向量中心和HITS的中心/权威分数。我们得到简单的措施和（在）度的节点之间的关系，在一定的限制。我们还比较了不同的中心性措施获得的排名。
2008-09-23 cond-mat.dis-nn physics.comp-ph physics.soc-ph
Hirsch index as a network centrality measure
我们研究了h赫希指数作为复杂网络的局部节点中心性测度。h指数的程度中心性（本地措施），介数和特征向量中心性（两个非本地措施）的情况下，生物网络（酵母相互作用蛋白质-蛋白质网络）和语言网络（Moby词库II）作为测试环境进行了比较。在这两个网络中，赫希指数与介数中心性的相关性很差，但与特征向量中心性的相关性很好，特别是对于与排名目的相关的更重要的节点，比如在搜索机优化中。在同义词网络中，h索引似乎甚至优于简单语言标准评估的特征向量中心性度量。
2010-06-27 cond-mat.dis-nn physics.soc-ph q-bio.QM
A change of perspective in network centrality
在浏览器的搜索栏中输入Yesterday（昨天），你会看到一长串网站，在最上面的位置，有一个披头士乐队视频的链接。浏览器显示搜索结果的顺序是使用网络中心性的一个显著例子。中心性是衡量网络中节点重要性的指标，它在从社会学到工程学，从生物学到经济学的众多领域中发挥着至关重要的作用。有许多指标可用于评估中心性。然而，中心性度量通常基于特定的假设，并且没有普遍接受的方法来比较不同度量的有效性和可靠性。在这里，我们提出了一个新的视角，其中中心性定义自然地产生于网络的最基本特征，它的邻接矩阵。根据这一观点，自然会出现不同的中心性度量，包括度、特征向量和中心权威中心性。在这个理论框架内，可以比较不同度量的准确性。对大量网络的测试表明，标准的中心性度量表现不令人满意，突出了这些度量描述复杂网络中节点中心性的内在局限性。作为标准度量的自然扩展，提出了信息量更大的多分量中心性度量。
2018-10-16 cs.SI physics.soc-ph stat.AP
HellRank: A Hellinger-based Centrality Measure for Bipartite Social Networks
在社交网络中，特别是在二分模式下，测量中心性带来了一些挑战，例如需要充分了解网络拓扑结构以及缺乏对前k个行为代表用户的正确检测。在本文中，为了克服上述具有挑战性的问题，我们提出了一个准确的中心性措施，称为HellRank，以确定中心节点的二分社交网络。HellRank基于二分网络同一侧的两个节点之间的Hellinger距离。我们从理论上分析了Hellinger距离对二分网络的影响，并找到了这个距离的上界和下界。HellRank中心性度量的计算可以通过让每个节点仅使用其直接邻居的本地信息来分布，因此不需要中心实体来完全了解网络拓扑结构。我们通过实验评估了HellRank度量与现实网络中其他中心性度量的相关性。结果表明，根据Kendall和Spearman秩相关系数，HellRank与其他传统度量之间存在部分排序相似性。
2017-03-17 cs.CY cs.SI physics.soc-ph
Selection of Centrality Measures Using Self-Consistency and Bridge Axioms
本文研究图核诱导的中心性度量族，给出自洽性与桥公理的充要/充分条件，揭示PageRank的异常性质，并证明采用这些公理可大幅减少度量选择时间。
2023-08-25 cs.SI math.CO math.MG
Power indices of influence games and new centrality measures for social networks
在社会网络分析中，有一种普遍的看法，即影响力与决定社会的全球行为有关，因此它可以用来通过针对适当的初始个体集来加强合作，或者分析全球选择过程。在这里，我们提出了中心性的措施，可以用来分析相关的影响力传播过程中的演员的相关性。在[39]中，它被认为是一个多智能体系统，其中智能体渴望根据对其他个体执行任务的意愿的感知来执行集体任务。该设置使用称为影响力游戏的简单游戏的概念建模。这些游戏是在图上定义的，其中节点由其影响力阈值标记，节点之间的影响力传播用于确定联盟是否获胜。影响力博弈提供了通过经典的权力指数来衡量社会网络中参与者的重要性的工具，并提供了一个考虑新的中心性标准的框架。在本文中，我们考虑了两个最经典的幂指数，即，Banzhaf和Shapley-Shubik指数作为影响力博弈中社交网络的中心性度量。虽然有一些工作与博弈论网络的特定场景相关，但在这里，我们使用这些指数作为任何社交网络中的中心性度量，其中可以应用影响力传播现象。此外，我们定义了新的中心性度量，如满意度和努力度，据我们所知，到目前为止还没有考虑过。我们还进行了比较的建议措施与其他三个经典的中心性措施，度，接近度和介数，考虑三个社交网络。我们表明，在某些情况下，我们的测量提供类似于其他措施的中心层次结构，而在其他情况下，提供不同的层次结构。
2013-06-28 cs.GT cs.SI physics.soc-ph
Total communicability as a centrality measure
Emory University（埃默里大学）
提出基于网络邻接矩阵指数行和的总通信性作为节点中心性度量，并证明其计算高效性及作为网络连通性指标的有效性。
2013-04-04 cs.NA cs.SI math.NA
Graph Energies of Egocentric Networks and Their Correlation with Vertex Centrality Measures
图能量是图的矩阵表示的能量，其中矩阵的能量是矩阵的奇异值之和。根据矩阵的定义，我们可以考虑图能量，Randić能量，Laplacian能量，距离能量和许多其他能量。虽然过去在数学、化学、物理或图论领域中已经研究了各种图能量的理论性质，但是这些探索仅限于表示具有严格定义的性质的化合物或理论图类的相对较小的图。在本文中，我们调查的有用性的概念图能量的背景下，大型复杂的网络。我们发现，当图能量被应用到本地自我中心的网络，这些能量的值与顶点中心性措施强烈相关。特别是，对于一些生成网络模型，图能量往往与顶点的介数和特征中心性密切相关。由于这些中心性措施的精确计算是昂贵的，需要全球处理的网络，我们的研究开辟了设计有效的算法，这些中心性措施的估计只基于本地信息的可能性。
2018-11-12 cs.SI physics.soc-ph
Return probability and k-step measures
返回概率的概念--最著名的是乔治·波利亚（George Pólya）在d维格子上的探索--有可能作为网络分析的一种度量。我们提出了一个有效的方法来寻找返回概率分布的连接无向图。我们认为，回报概率具有相同的歧视权力，现有的k-步骤措施-特别是，β中心（负β），图论的权力指数（GPI），和子图中心。我们比较了我们的算法的运行时间beta中心和子图中心，发现它是显着更快。当返回概率被用来测量与贝塔中心性相同的现象时，它在线性时间内运行- O（n+m），其中n和m分别是节点和边的数量-这比计算贝塔中心性的精确或近似形式所需的矩阵求逆或矩阵乘法序列所需的时间要少得多。我们将这种形式的收益概率称为波利亚幂指数（Pólya Power Index，PPI）。计算子图中心性需要对邻接矩阵进行昂贵的特征分解;在2000个节点的网络上，返回概率仅为特征分解时间的一半。这些性能改进很重要，因为为了分析大型网络，计算效率的措施是必要的。
2011-05-23 cs.SI physics.soc-ph
Network centrality: an introduction
中心性是复杂网络的一个关键属性，它影响着动态过程的行为，比如同步和传染病传播，并且可以带来关于复杂系统组织的重要信息，比如我们的大脑和社会。网络中节点中心性的度量有很多种。在这里，我们回顾了主要的中心性措施，并讨论其主要特点和局限性。指出了网络中心性对传染病传播和同步的影响。此外，我们提出了应用中心性措施，以了解复杂系统的功能，包括生物和皮层网络。最后，我们讨论了一些观点和挑战，推广多层和时间网络的中心性措施。
2019-01-22 physics.soc-ph
Cycle-centrality in complex networks
网络是复杂系统中实体之间交互的通用表示。这种网络上的循环代表了在系统动力学中起核心作用的反馈过程。在这项工作中，我们引入了一个衡量任何单个周期的重要性，作为网络通过周期的总信息流的分数。这种措施是计算成本低，数值良好的条件下，诱导任意子图的中心性措施，并减少到特征向量中心的顶点。我们证明，这一措施准确地反映了经济部门，特别是在美国经济的战略合奏事件的影响。作为第二个例子，我们表明，在植物拟南芥的蛋白质相互作用网络中，基于周期中心性的模型比最先进的模型更好地解释了病原体的活动。这转化为病原体靶向蛋白质集中在少数具有高循环中心性的三联体中。用于计算圈和子图的中心性的算法可供下载。
2017-12-05 cs.DM cs.SI physics.soc-ph
A New Framework for Centrality Measures in Multiplex Networks
这种复杂系统的非平凡结构使得分析它们的集体行为成为一个挑战。当信息跨网络分布时（例如，不同媒体中的通信网络）;在这种情况下，如果由于稀疏性而在每个网络内单独分析情况，则变得不可能具有完整或甚至部分的图片。多路复用网络非常适合通过保留与每个网络相关联的语义来对这类系统的复杂性进行建模。中心性度量是识别关键参与者的基础，但现有方法通常被设计为捕获系统的预定义方面，忽略或合并各个层的语义。
2018-02-07 cs.SI physics.soc-ph
Sampling on networks: estimating eigenvector centrality on incomplete graphs
本文提出了一种新的抽样方法来估计不完备网络的特征向量中心性。我们的目标是估计这一全球中心性措施在处置有限的数据量。在许多现实场景中，数据汇集成本高昂，网络对于数据存储容量来说太大，或者只有部分信息可用，都是这种情况。采样算法的理论基础来自频谱近似理论的结果。在模拟数据和真实数据上进行了研究，并与传统的随机游走和均匀抽样方法进行了比较。我们表明，从这样的方法得到的近似值并不总是可靠的，我们的算法，同时保持计算的可扩展性，提高了不同的错误措施下的性能。
2019-08-01 cs.SI physics.data-an physics.soc-ph
Centrality Measures in Spatial Networks of Urban Streets
我们研究中心在城市街道模式的不同世界城市表示为网络的地理空间。结果表明，一组四个中心性指数的基础上的空间分析，允许扩展的可视化和表征的城市结构。计划城市和自组织城市显然属于两种不同的普遍性类别。特别是，自组织城市表现出类似于非空间网络的度分布中发现的无标度特性。
2005-11-09 physics.soc-ph
Link transmission centrality in large-scale social networks
了解网络中链接在传递信息中的重要性，可以提供一些方法来阻止或推迟正在发生的动态现象，如流行病的传播或信息的扩散。在这项工作中，我们提出了一个新的措施，随机扩散过程的基础上，\textit{transmission centrality}，捕获的重要性，通过估计的平均数量的节点，他们在全球传播扩散过程中传递信息的链接。我们提出了一个简单的算法解决方案来计算传输中心性，并在非常大的网络中以较低的计算成本来近似它。最后，我们在三个大型经验社交网络中识别弱关系时应用了传输中心性，表明该度量在识别驱动社交网络中传播过程的链接方面优于其他中心性度量。
2018-02-14 cs.SI physics.soc-ph
Measuring centrality by a generalization of degree
网络分析已经成为传播学、经济学、地理学、历史学和社会学等领域的关键技术。一个根本问题是如何确定关键节点，为此目的，已经制定了一些中心性措施。本文提出了一种新的中心性测度参数族，称为广义度。它是基于这样一个想法，即与一个更相互联系的节点的关系比与一个不太中心的节点的关系更有助于中心性。广义度通过在网络上重新分配其和来提高度，并考虑全局结构。一组基本属性支持该度量的应用。给出了广义度秩单调的一个充分条件，排除了网络经过某些修改后中心度秩的反直觉变化。该度量具有图形解释，并且可以迭代计算。除了度之外，还建议应用广义度，因为它保留了度的最有利属性，但更好地反映了网络中节点的作用，并且具有更强的区分其重要性的能力。
2017-04-12 cs.SI physics.soc-ph
