Betweenness centrality for temporal multiplexes
介数中心性量化了网络中顶点对信息流的重要性。我们提出了一个灵活的定义时间复用，测地线的拓扑结构和时间结构和持续时间的路径。我们提出了一个算法来计算新的度量通过映射到一个静态图。我们显示的重要性，考虑的时间复用结构和适当的距离度量比较结果与静态或单层指标的数据集上的$\sim 20$ k欧洲航班。
2020-02-03 cs.SI physics.soc-ph
The role of centrality for the identification of influential spreaders in complex networks
网络中最有影响力的传播者的识别对于控制和理解系统的传播能力以及确保有效的信息传播（例如在谣言动态中）是重要的。最近的工作表明，有影响力的传播者的识别是不是独立的动态正在研究。例如，在分析社会传染或谣言传播时，关键的疾病传播者可能不一定是这样。此外，它已被证明，不同的度量（度，核心等）可能会识别不同的影响节点，即使是相同的动态过程，不同程度的准确性。在本文中，我们研究了九个中心性指标如何与构成不同合成和真实世界（空间和非空间）网络的节点的疾病和谣言传播能力相关。我们还提出了一个推广的随机游走可达性作为一个新的中心性措施，并推导出解析表达式，后者的措施，简单的网络配置。研究结果表明，在非空间网络中，$k$ -core和度中心性与传染病传播的相关性最强，而平均邻域度、贴近中心性和可达性与谣言动态的相关性最强.相反，对于空间网络，可达性度量在几乎所有情况下都优于其他中心性度量，无论考虑的是哪种动态。因此，我们分析的一个重要结果是，以前在合成随机网络中进行的研究不能推广到空间网络的情况。
2014-04-17 cs.SI physics.soc-ph
A Lookahead algorithm to compute Betweenness Centrality
介数中心性指数是分析大量网络的一个非常重要的中心性度量。尽管它在许多跨学科应用中具有重要意义，但其计算非常昂贵。目前已知的最快算法是Brandes的，它需要O（|V|| E|计算时间。在现实生活中，一个顶点或一组顶点从网络中顺序移除的情况非常频繁。当重复Brandes算法时，移除单个顶点时重新计算介数中心性变得昂贵。应当理解，随着网络规模的增加，介数中心性计算变得越来越昂贵，并且即使运行时间减少一小部分也会导致实际运行时间的显著减少。本文介绍的算法实现了相同的显着更少的时间比重复的Brandes算法。该算法也可以推广到一般情况。
2012-07-11 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
An Efficient Heuristic for Betweenness-Ordering
中心性的措施，以前流行的社会学家和心理学家，已经看到了广泛的和越来越多的应用在几个学科的晚。在文献中可用的众多应用特定定义中，对顶点进行排名，接近中心性，介数中心性和特征向量中心性（页面排名）是最重要和最广泛应用的。信息、信号或商品在边缘流动的网络围绕着我们。介数中心性是分析此类系统的一个方便工具，但在大型网络中，介数计算是一项艰巨的任务。在本文中，我们提出了一个有效的启发式来确定$k$顶点的介数排序（其中$k$是非常小于顶点的总数），而不计算其确切的介数指数。该算法是基于一个非均匀的节点抽样模型，这是发展的基础上分析的Erdos-Renyi图。我们应用我们的方法来找到几个合成和现实世界的图中的顶点的介数排序。所提出的启发式结果非常有效的排序，即使运行的线性时间的边缘数。我们比较我们的方法与文献中的可用技术，并表明我们的方法产生更有效的排序比目前已知的方法。
2017-03-22 cs.SI physics.soc-ph
Identifying effective multiple spreaders by coloring complex networks
如何识别社交网络中的影响节点具有重要的理论意义，它关系到如何防止传染病传播或连锁故障，如何加速信息的扩散等问题，本文将图论中的着色问题的思想推广到复杂网络中，尝试寻找复杂网络中的\emph{effective multiple spreaders}.在我们的方法中，网络中的每个节点都用一种颜色着色，具有相同颜色的节点被排序到一个独立的集合中。然后，对于一个给定的中心性指数，在一个独立的集合中具有最高中心性的节点被选为多个传播器。与传统的从\emph{entire}网络角度选择中心度最高的节点的方法相比，无论是在网络模型中还是在真实的社交网络中，本文的方法都能更有效地加速传播过程，最大化传播覆盖率.同时，着色算法的低计算复杂度保证了我们的方法的潜在应用。
2014-10-08 cs.SI physics.soc-ph
Identifying influential patents in citation networks using enhanced VoteRank centrality
这项研究提出了一种名为VoteRank的方法，由Zhang et al.（2016）创建，用于识别专利引文网络上的有影响力的节点。此外，提出了改进的VoteRank算法，扩展了Zhang等人的工作。这些新的算法包括一个减少的投票能力的节点所选择的扩频器的影响，如果节点远离扩频器。一种方法使用与距离扩展器的距离成线性关系的缩减因子，我们称之为VoteRank-LRed。另一种方法使用一个关于与扩展器的距离呈指数关系的缩减因子，我们称之为VoteRank-XRed。通过将这些方法应用于引文网络，我们能够证明VoteRank-LRed在测试的引文网络上比原始VoteRank更有效地选择影响力传播者。
2018-11-05 cs.DL cs.SI physics.soc-ph
"Betweenness Centrality" as an Indicator of the "Interdisciplinarity" of Scientific Journals
除了影响力和即时性等期刊的科学引文指标外，社会网络分析还提供了一套中心性指标，如度，介数和接近中心性。这些措施首先分析了整个集合的7,379种期刊，包括在科学引文索引和社会科学引文索引2004年的期刊引文报告，然后也与当地的引用环境，可以被视为代理的专业和学科。介数中心性被证明是一个指标的跨学科的期刊，但只有在当地的引用环境和规范化后，因为否则的程度中心性（大小）的影响盖过介数中心性措施。该指标适用于各种引文环境，包括与政策相关的环境，如生物技术和纳米技术。
2009-11-13 physics.soc-ph
Approximating Betweenness Centrality in Large Evolving Networks
介数中心性通过节点在网络中所有最短路径中的参与程度对节点的重要性进行排名。因此，计算精确的介数值在大型网络中是不切实际的。对于静态网络，基于随机采样路径的近似在实践中已经被证明是显著更快的。然而，对于动态网络，没有近似算法的介数中心是已知的，改善静态重新计算。我们提出了两个增量近似算法（加权和未加权连接图），提供了一个可证明的保证绝对近似误差，以解决这个赤字。处理批次的边缘插入，我们的算法产生显着的加速高达$10^4$的一个因素相比，重新开始的近似。这是通过投资存储器来存储和有效地更新最短路径来实现的。作为一个积木，我们还提出了一个渐进更快的算法更新SSSP问题的未加权图。我们的实验研究表明，我们的算法是第一个在内存中计算的介数排名实用的百万边半动态网络。此外，我们的研究结果表明，准确性甚至优于理论保证的绝对误差和节点的秩被很好地保存，特别是对于那些具有高介数。
2014-09-22 cs.DS cs.SI physics.soc-ph
Leveraging local h-index to identify and rank influential spreaders in networks
复杂网络中影响节点的识别因其重要的理论和实际应用价值而受到越来越多的关注。传统的度中心性、介数中心性、贴近度中心性、核心度中心性等方法在检测影响节点时都存在或多或少的不足，相关文献对此进行了阐述。最近，h指数，这是用来衡量科学家或学者的出版物的生产力和引文影响，已被引入到网络世界，以评估一个节点的传播能力。然而，该方法分配了太多具有相同值的节点，这导致在区分这些节点的实际影响时的分辨率限制问题。本文提出了一种局部h-指数中心性（LH-指数）方法来识别和排序网络中的影响节点。LH指数方法同时考虑了节点本身及其邻居的h指数值，这是基于节点连接到更有影响力的节点也会有影响力的想法。根据随机SIR模型在四个真实网络和几个模拟网络中的仿真结果，证明了LH指数方法在识别网络中影响节点方面的有效性。
2017-09-15 cs.SI physics.soc-ph
Enhancing synchronizability of weighted dynamical networks using betweenness centrality
通过将连接图的拉普拉斯算子的特征值比作为同步性测度，提出了一种加权动态网络的方法，以提高动态网络的同步性。该方法是基于节点和边缘介数中心性措施，并在人工构造的无标度，Watts-Strogatz和随机网络以及一些现实世界的图上进行了测试。数值结果还表明，同样的程序可以用来提高网络的相位同步的不同的振荡器。
2008-12-27 physics.soc-ph
Effective and efficient approximations of the generalized inverse of the graph Laplacian matrix with an application to current-flow betweenness centrality
我们设计的方法找到近似的广义逆的图形拉普拉斯矩阵，这出现在许多图论应用。找到这个矩阵的全部涉及解决矩阵求逆问题，这在消耗时间和存储器方面需要资源，因此每当图相对较大时都是不切实际的。我们的近似只使用拉普拉斯矩阵的几个特征对，并且相对于这个数字是参数化的，因此用户可以在近似解的有效性和效率之间进行折衷。我们将设计的近似计算的问题的电流介数中心图。然而，考虑到拉普拉斯矩阵的一般性，可以寻求许多其他应用。我们的实验表明，近似是有效的已经与一个常数的特征对。这几个特征对可以存储在图的节点数的线性量的内存中，并且在稀疏网络的实际情况下，可以使用文献中大量存在的用于检索稀疏矩阵的几个特征对的许多方法之一来有效地计算它们。
2012-05-22 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
Local Edge Betweenness based Label Propagation for Community Detection in Complex Networks
目前，识别和检测复杂网络中的社区结构是从网络中提取有用信息的重要因素。具有近似线性时间复杂度的标签传播算法是目前最流行的社团结构检测方法之一，但其不确定性和随机性是一个缺陷因素。将LPA与其他社区发现度量合并将提高其准确性并降低LPA的不稳定性。考虑到这一点，本文尝试使用边缘介数中心性来提高LPA性能。另一方面，计算边缘介数中心度是昂贵的，所以作为替代度量，我们尝试使用局部边缘介数，并提出LPA-LEB（标签传播算法局部边缘介数）。在真实网络和基准网络上的实验结果表明，LPA-LEB在检测网络社区结构时具有比LPA更高的准确性和稳定性。
2017-09-24 cs.SI physics.soc-ph
Centrality Measures in Interval-Weighted Networks
中心性度量在网络科学中用于评估顶点的中心性或它们在网络中所占据的位置。有大量的中心性措施，根据一些标准。然而，加权网络的最著名的中心性度量，度中心性，接近中心性和介数中心性的推广仅假设边权重是常数。本文提出了一种方法来概括度，贴近度和介数中心考虑到封闭区间（区间加权网络- IWN）的形式的边权重的变化。我们将我们的中心性措施的方法，以两个现实世界的IWN。第一个是葡萄牙大陆的通勤网络，在23个NUTS 3地区之间。第二个重点是2003年至2015年28个欧洲国家之间的年度商品贸易。
2021-06-18 cs.SI physics.soc-ph
Co-Betweenness: A Pairwise Notion of Centrality
介数中心性是一种度量，它试图量化网络图中顶点对整个网络中测地路径上信息分布的“控制”方面的重要性。然而，该量并不捕获不同顶点如何一起参与这种控制。为了允许在这方面的更精细的细节的揭露，我们在这里介绍了一个扩展的介数中心对顶点，我们的术语co-betweenness，提供了量化的基础上各种类似的成对概念的重要性和控制。更具体地说，我们激励和定义一个精确的概念的co-betweenness，我们提出了一个有效的算法，其计算，扩展算法的Brandes在一个自然的方式，我们说明了利用这种co-betweenness在少数几个不同的通信网络。从这些现实世界的例子中，我们表明，co-betweenness允许一个确定某些顶点，这些顶点不是最中心的顶点，但尽管如此，作为重要的演员在网络中的信息的中继和调度。
2007-09-21 cs.NI physics.soc-ph
Weighted H-index for identifying influential spreaders
传播是社会、生物和技术系统中普遍存在的过程。因此，识别有影响力的传播者，对于预防传染病传播和制定有效的预防接种策略具有重要的理论和现实意义。本文提出了一种基于虚拟节点扩展的加权h指标中心度来量化复杂网络中节点的扩散影响。在真实网络上的仿真结果表明，该方法提供了更准确，更一致的排名比五个经典的方法。此外，我们观察到，我们的措施的单调性和计算复杂性也可以产生优异的性能。
2017-10-15 cs.SI physics.soc-ph
A GPU-Based Solution to Fast Calculation of Betweenness Centrality on Large Weighted Networks
近几十年来，网络科学取得了巨大的发展，它确实为不同领域的真实系统建模带来了一种新的和有洞察力的语言。介数是网络科学中广泛使用的中心性，是调查网络负载和排名的一个不错的代理。然而，极高的计算成本极大地限制了它在大型网络中的应用。虽然已经提出了一些并行算法来减少其计算成本的非加权网络，加权网络，这实际上是比非加权网络更普遍的现实，仍然缺乏一个快速的解决方案。在这项研究中，我们开发了一种高效的基于GPU的并行方法，以提高在非常大的加权网络上计算介数中心性。对合成网络和真实网络的全面和系统的评估表明，我们的解决方案可以通过集成工作效率和以warp为中心的策略来实现CPU实现的30倍到150倍的加速比。我们的算法是完全开源的，对社区是免费的，它是通过https://dx.doi.org/10.6084/m9.figshare.4542405公开的。考虑到GPU在个人计算机和服务器上的普遍部署和不断下降的价格，我们的解决方案确实将为探索网络科学中的介数相关问题提供前所未有的机会。
2017-01-21 cs.DS cs.SI physics.soc-ph
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
Shattering and Compressing Networks for Centrality Analysis
网络中谁更重要？谁控制节点之间的流量，或者谁的贡献对连接很重要？在回答这些问题时，中心性指标发挥着重要作用。介数度量对网络分析很有用，并在各种工具中实现。由于它是图挖掘中计算量最大的内核之一，因此已经提出了几种快速计算介数中心性的技术。在这项工作中，我们提出并研究了压缩网络并将其分解成碎片的技术，以便可以独立处理每个碎片的其余计算。虽然我们设计并调整了中间性的破碎过程，但它可以直接适用于其他中心性指标。实验结果表明，所提出的技术可以是一个很大的武器库，以减少各种类型的网络的中心性计算时间。
2012-09-26 cs.DS cs.SI physics.soc-ph
Identifying super-spreaders in information-epidemic coevolving dynamics on multiplex networks
在医疗资源有限的情况下，识别疫情中的超级传播者对抑制疾病传播具有重要意义。在现代社会，疫情信息通过各种传播渠道迅速传播，对遏制疫情起到了重要作用。本文研究了信息-疾病耦合传播动力学中超级传播者的识别问题。首先，我们发现物理接触层的中心性不再有效地识别流行病中的超级传播者，这是由于信息传播的抑制效应。在此基础上，通过考虑传播层和物理接触层之间的结构耦合和动力耦合，提出了一种耦合敏感中心性测度，用于识别疾病传播中的超级传播者。在合成网络和真实网络上的仿真结果表明，该方法不仅比单一网络上的中心度更准确，而且在识别超级传播者方面也优于两种典型的多层中心度.这些发现意味着，考虑层间的结构和动力学耦合是非常必要的，以确定在耦合多层系统中的关键作用。
2021-08-25 physics.soc-ph
Betweenness Centrality of Fractal and Non-Fractal Scale-Free Model Networks and Tests on Real Networks
我们研究了分形和非分形无标度网络模型以及真实网络的介数中心性。我们发现，度和介数中心性$C$的节点之间的相关性是在分形网络模型比非分形模型弱得多。我们还证明了分形和非分形无标度网络的节点都具有幂律介数中心分布$P(C)\sim C^{-δ}$。我们发现，对于非分形无标度网络$δ= 2$，和分形无标度网络$δ= 2-1/d_{B}$，其中$d_{B}$是分形网络的维数。我们支持这些结果的显式计算上的四个真实的网络：制药公司（N=6776），酵母（N=1458），WWW（N=2526），和互联网网络的样本在AS级别（N=20566），其中$N$是在网络的最大连接组件的节点数。我们还研究了在分形网络中加入随机边后，分形网络到非分形网络的交叉现象。我们发现，交叉长度$\ell^{*}$，分离分形和非分形制度，尺度与尺寸$d_{B}$的网络作为$p^{-1/d_{B}}$，其中$p$是随机边缘的密度添加到网络。我们发现度和介数中心性之间的相关性随着$p$的增加而增加。
2007-02-19 physics.data-an physics.soc-ph
Ranking the Importance Level of Intermediaries to a Criminal using a Reliance Measure
最近的研究发现，在一个网络中的重要中间结点涉嫌包含犯罪活动是高度依赖于网络的中心性值。例如，介数中心性被广泛用于对网络中连接所有源节点和所有端节点的最短路径中充当代理的节点进行排名。然而，最短路径节点介数和线性缩放介数都只能显示网络中所有节点的排名。在本文中，我们探索了对中间结点的配对依赖的数学概念，将该概念适用于犯罪关系，并引入了一种新的源-中间依赖度量。为了说明我们的措施，我们将其应用于排名安然电子邮件数据集和Noordin Top Terrorist网络中的节点。我们比较的依赖排名与谷歌PageRank，马尔可夫中心性以及介数中心性，并表明，刑事调查使用的依赖措施，将导致不同的优先级方面的可能的人进行调查。虽然Noordin Top恐怖分子网络节点的排名比Enron电子邮件交易网络产生更极端的差异，但在后者中，财务经理组的依赖值立即确定了另一名被判犯有洗钱罪的雇员。
2016-01-05 cs.SI physics.soc-ph
Correlations among centrality measures in complex networks
在本文中，我们实证研究了四个中心性措施之间的相关性，起源于社会科学，各种复杂网络。对于每个网络，我们计算的中心性措施，从偏相关性，以及措施之间的相关系数估计。我们发现，度和介数中心性是高度相关的，此外，介数遵循幂律分布，无论网络的类型。这一特点是进一步检查的介数的条件概率分布，给定的程度。条件分布也表现出幂律行为独立的程度，解释部分，如果不是全部，幂律分布的介数的起源。对随机网络的类似分析表明，这些特征在随机网络中没有发现。
2006-05-25 physics.data-an physics.soc-ph
Local Betweenness Centrality Analysis of 30 European Cities
通过分析城市街道网络，探讨了城市形态和城市的社会经济方面。为了分析网络，经常使用中心性指数的几种变化。然而，其性质尚未得到广泛的研究，从而导致缺乏强大的可视化方法的城市道路网络特性。为了填补这一空白，我们建议使用一组本地介数中心和一个新的简单而强大的可视化方法。通过分析30个欧洲城市，我们发现，我们的方法说明了城市的共同结构：对长途运输重要的路段集中在较大的街道上，而对短途运输重要的路段则在CBD，历史或住宅区周围形成集群。定量分析证实了这些结论。我们的研究结果有助于城市规划者和决策者了解城市的现状并做出明智的决策。
2021-03-21 cs.CY physics.soc-ph
Betweenness Centrality in Dense Random Geometric Networks
随机几何网络由1）随机嵌入有界域$\mathcal{V} \subseteq \mathbb{R}^d$中的一组节点和2）根据相互欧几里得分离函数概率形成的链路组成。我们量化了网络中所有拓扑上“最短”的路径包含给定节点（介数中心性）的频率，推导出一个已知积分的表达式，只要1）网络边界是磁盘的周长，2）网络非常密集。我们的方法表明，类似的公式可以得到任何凸几何。数值佐证，以及讨论我们的公式的簇头选举和边界检测密集部署的无线ad hoc网络的潜在用途。
2016-10-26 cond-mat.stat-mech cs.CG cs.NI
Refining Approximating Betweenness Centrality Based on Samplings
介数中心性（BC）是复杂网络分析中广泛使用的重要度量，如社会网络、网页搜索等。目前最快的精确BC确定算法是由Brandes给出的，对于未加权图需要$O(nm)$时间，而对于加权图需要$O(nm+n^2\log n)$时间，其中$n$是图中的顶点数，$m$是图中的边数。由于精确BC确定问题的时间复杂度很难降低，许多研究者一直在考虑任何令人满意的BC近似算法的可能性，特别是那些基于采样的BC近似算法。Bader等人给出了目前最好的BC近似算法，使用$\varepsilon t$样本在$1/\varepsilon$的因子内成功估计一个顶点的BC的概率很高，其中$t$是$n^2$与顶点的BC值之间的比率。然而，Bader工作中的一些算法参数还没有严格限制，留下了一些改进算法的空间。在这个项目中，我们重温Bader的算法，给出更紧的估计范围，并改进了近似算法的性能，即，更少的样本和更低的因子。另一方面，Riondato提出了一种在最短路径上采样的非自适应BC近似方法。我们调查的可能性，给一个自适应算法与采样的顶点。通过严格的推理，我们证明了该算法也可以给出有界的逼近因子和采样数。为了评估我们的结果，我们还使用真实世界的数据集进行了广泛的实验，发现我们的两种算法都可以达到可接受的性能。我们验证了我们的工作可以改进现有的BC近似算法，使其具有更好的参数，即，成功概率高、因子少、样本少。
2017-12-19 cs.SI physics.soc-ph
Dynamic communicability and epidemic spread: a case study on an empirical dynamic contact network
我们分析了最近提出的时间中心性措施，适用于一个经验网络的基础上，人与人之间的接触，在一个繁忙的城市医院的急诊科。我们发现，时间中心性识别一组不同的顶部传播者比中心性的基础上的时间聚集的二进制化的接触矩阵，使一起，捕捉顶部传播者的准确性显着提高。然而，在预测流行病结果方面，时间措施不一定优于不太复杂的措施。我们的研究结果还表明，其他时间标记，如观察到的持续时间和网络中首次出现的时间，可以用于一个简单的预测模型，以生成预测，捕捉观察到的数据的趋势非常好。
2016-03-13 cs.SI physics.soc-ph
Betweenness centrality of teams in social networks
介数中心性（BC）被提出作为一个指标的程度，个人的影响力在社会网络中。它是通过计算顶点（即，个体）出现在顶点对之间的所有最短路径上。一个自然出现的问题是，如何衡量一个团队或团体在社交网络中的影响力。在这里，我们提出了一种方法来衡量这种影响的二分图，包括顶点（个人）和超边（团队）。当超边大小变化时，超图中两点间的最短路数可以大于二值图中的最短路数。因此，团队BC分布的幂律行为在无标度超图中失效。然而，当计算每个超边的权重时，例如，每个团队成员的表现，团队BC分布被发现表现出幂律行为。我们发现，一个拥有广泛联系的成员的团队是非常有影响力的。
2021-05-14 cond-mat.stat-mech physics.soc-ph
Computational Models for Commercial Advertisements in Social Networks
识别网络中值得注意的传播者对于理解传播过程和控制网络中传播的范围至关重要。拥有更多内在力量来扩大传播范围的节点非常重要，因为需要各种应用程序，例如病毒式营销，控制谣言传播或更好地了解疾病的传播。作为病毒式营销的一种应用，在固定预算的情况下实现最大化是广告业务的基本要求。分发固定数量的促销物品以最大化病毒覆盖范围可以利用影响者检测方法。为了检测这样的“影响者”节点，存在诸如度中心性（通常用作度内中心性）的局部度量或诸如k壳分解或特征向量中心性的全局度量。所有的方法都可以对图进行排序，但它们都有局限性，并且仍然没有事实上的方法用于该领域的影响者检测。在本文中，我们提出了一个扩展的k-shell算法，更好地利用k-shell分解识别病毒传播节点使用网络的拓扑特征。我们使用易感-感染-传播模型对真实网络中的传播过程进行了模拟，模拟结果表明，在相同的初始传播者数量下，我们的方法可以在同一网络中达到高达36%的人群。
2019-04-30 cs.SI physics.soc-ph
A Framework for Reconstructing COVID-19 Transmission Network to Inform Betweenness Centrality-Based Control Measures
在本文中，我们提出了一个最佳控制措施的总体框架，该框架遵循了监测单位在国家层面收集的COVID-19感染计数的演变。我们采用了一个自回归模型，可以将感染的平均数量分解为三个组成部分，描述：本地感染，跨地区感染和其他来源的感染，如从国外到达一个国家的旅行者。我们将局部间项确定为一个随时间演化的网络，当它驱动疾病的动态时，我们专注于其属性。然后使用网络分析工具来深入了解其拓扑结构。在此基础上，特别是在所确定的网络节点的中心地位上，设计了一种干预和疾病控制战略。
2022-07-02 physics.soc-ph stat.AP
Maximizing spreading in complex networks with risk in node activation
在复杂网络中，初始传播者对信息的广泛传播起着重要的作用。因此，已经提出了各种基于中心性的方法来识别最有影响力的传播者。然而，大多数现有的研究都忽略了这样一个事实，即在真实的社交网络中，说服有影响力的个人担任初始传播者的成本更高，也更难，从而导致最大化传播的高风险。在本文中，我们解决这个问题的基础上的假设，大的程度节点被激活的风险比小度节点。我们的目标是确定有效的初始传播者，以最大限度地传播时，同时考虑激活风险和初始传播者的爆发规模。在随机网络上，分析表明，最优初始传播者的度并不对应于网络中节点的最大度，而是由不同度节点的感染概率和激活风险的差异决定的。在这里，我们提出了一个风险意识的指标来识别真实网络上的有效传播者。数值模拟表明，风险感知度量优于现有的基准中心性，在最大限度地提高有效传播。
2021-04-14 cs.SI physics.soc-ph
Structural analysis and the sum of nodes' betweenness centrality in complex networks
本文提出以节点介数中心性之和作为结构指标，通过构建不同网络生长过程，发现其在Barabási-Albert规则下呈对数增长，在Erdős-Rényi规则下收敛，从而可用于识别网络生长规则。
2024-02-21 physics.data-an physics.soc-ph
Effective spreading from multiple leaders identified by percolation in social networks
社交网络是信息传播的一个新平台，但它的成功关键取决于发起信息传播的传播者的选择。在本文中，我们删除边缘在网络中随机和网络段成孤立的集群。然后，每个集群中最重要的节点形成一组有影响力的传播者，这样从他们传播的新闻将导致广泛的覆盖和最小的冗余。该方法很好地利用了每个社会聚类中信息传播的预传播状态和覆盖范围之间的相似性，得到一组分布式、协调的传播者。我们在Facebook网络上的测试表明，该方法优于传统的基于中心性的方法。因此，所建议的识别有影响力的传播者的方法揭示了社交网络上信息传播的新范式。
2015-08-18 cs.SI physics.soc-ph
Centrality scaling in large networks
介数中心性是复杂网络的传输和结构脆弱性的核心，然而，它是计算成本高，它的测量具有数百万个节点的网络几乎是不可能的。通过引入最短路径的多尺度分解，我们表明，来自测地线不长于L的介数的贡献服从一个特征标度对L，它可以用来预测的分布的全部中心。该方法还在一个由5.5*10^6个节点和2.7*10^7个链接组成的真实社交网络上进行了说明。
2010-07-27 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
Spreading dynamics in complex networks
在复杂网络中寻找有影响力的传播者是一个具有重要意义的问题，可以应用于各个领域，从流行病控制，创新扩散，病毒式营销，社会运动到思想传播。在本文中，我们首先展示了一些最重要的理论模型，描述了传播过程，然后分别讨论了定位个人和多个有影响力的传播者的问题。这两个主题的最新方法。为了识别特权单传播者，本文总结了几种广泛使用的中心性，如度中心性、介数中心性、PageRank、k-shell等。有了这个广泛的数据集，我们发现各种措施可以传达非常不同的节点信息。在LiveJournal社交网络的所有用户中，只有一小部分参与传播。对于LiveJournal中的传播过程，度可以以更高的概率定位参与信息扩散的节点，而k壳在发现影响力大的节点时更有效。我们的研究结果应该提供有用的信息，在现实中设计有效的传播策略。
2013-12-22 cs.SI physics.soc-ph
Tempus Fugit: The Impact of Time in Knowledge Mobilization Networks
社交网络的时间成分在其分析中经常被忽略，并且统计测量通常在网络的“静态”表示上执行。因此，重要性度量（例如中介中心性）无法揭示所涉及实体的任何时间角色。我们的目标是开始填补这一限制，提出一种形式的时间介数措施，并利用它来分析知识动员网络。我们表明，这种措施，这需要明确考虑到时间，使我们能够检测中心的角色，完全隐藏在经典的统计分析。特别是，我们发现节点的静态中心被认为是微不足道的，但其时间的作用，而不是重要的，以加速网络中的动员流。我们还观察到相反的行为，通过检测具有高静态中心性的节点，其作为时间桥梁的作用是非常低的。通过揭示重要的时间角色，本研究是更好地理解时间在社交网络中的影响的第一步，并为进一步研究开辟了道路。
2015-05-11 cs.SI physics.soc-ph
Impact of centrality on cooperative processes
要解决当今的复杂问题，需要将工作队分组，其成员通常在很长的物理距离和不同的时区远程连接。因此，理解强加的通信模式的影响（即，谁能与谁沟通）对团队绩效的影响很重要。在这里，我们使用一个基于代理的模型来探索节点的介数中心性对该组找到NK适应度景观的全局最大值所需时间的影响。代理通过广播消息进行合作，向邻居通报他们的健康状况，并使用这些信息复制他们邻居中更成功的代理。我们发现，对于简单的任务（平滑的景观），通信网络的拓扑结构对组的性能没有影响，并且更多的中心节点最有可能首先找到全局最大值。然而，对于困难的任务（崎岖的景观），我们发现网络节点之间的介数方差和组性能之间存在正相关关系。对于这些任务，各个节点的性能受到代理的合作倾向以及崎岖景观的特定实现的强烈影响。
2017-01-23 cs.SI physics.soc-ph
Indicators of the Interdisciplinarity of Journals: Diversity, Centrality, and Citations
在现有的期刊指标中，基于引文的跨学科指标一直缺失。在这项研究中，我们调查了网络指标（介数中心性），期刊指标（香农熵，基尼系数），以及最近提出的“跨学科性”的Rao-Stirling措施。“后一个指数结合了期刊的引用分布（基于矢量）和期刊之间引文网络的距离（基于矩阵）。各种标准化的影响是使用2008年（社会）科学引文索引的期刊引文报告中包含的8，207种期刊的矩阵来指定和测量的。对称（1-模式）余弦归一化网络中的介数中心性提供了一个优于非对称（2-模式）引文网络中的介数的指标。在基于矢量的指标中，香农熵的表现优于基尼系数，但对大小敏感。例如，科学和自然被显示在列表的顶部。当（1 -余弦）被假定为距离的度量时，新的多样性度量提供了合理的结果，但是使用欧几里德距离的结果难以解释。
2010-09-21 cs.DL physics.soc-ph
From the betweenness centrality in street networks to structural invariants in random planar graphs
我们证明了介数中心性（BC）的分布，一个全球性的结构性度量的基础上的网络流量，是一个不变的数量在大多数平面图。我们通过对全球97个人口最多的城市的街道网络的实证分析证实了这一不变性，其规模明显大于以往的研究。我们还发现BC分布对网络中的重大变化具有鲁棒性，包括其拓扑结构和边权重结构的重大变化，这表明形成分布的唯一相关因素是节点和边的数量以及平面性的约束。通过模拟的随机平面图模型和分析计算凯莱树，这种不变性被证明是一个后果的双峰制度组成的底层树结构高BC节点，和低BC制度所产生的存在下提供本地路径的替代品的循环。此外，高BC节点显示出非平凡的空间依赖性，随着边缘数量的增加，空间相关性增加，导致它们以大密度聚集在重心周围。我们的研究结果表明，BC的空间分布是一个更准确的模式比较时，跨城市。此外，BC是一个静态预测的平面图中的拥塞，所观察到的不变性和空间依赖性的基础设施和生物网络具有实际意义。特别是，对于街道网络的情况下，只要平面性是保守的，瓶颈继续存在，并计划干预措施，以减轻结构性拥堵的效果将主要限于负荷重新分配，通过分析200年的数据证实了巴黎市中心的一个功能。
2018-07-02 physics.soc-ph
Predicting Network Congestion by Extending Betweenness Centrality to Interacting Agents
本文通过将介数中心性扩展至交互智能体并提出排斥机制，构建了仅依赖拓扑与地理特征的网络加载模型，成功预测了城市高峰拥堵并得到伦敦实测数据验证。
2023-12-05 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
Betweenness centrality in dense spatial networks
Institut de Physique Théorique, CEA, CNRS（理论物理研究所）；École des Ponts ParisTech（巴黎路桥学校）；CAMS (CNRS/EHESS)（社会分析与跨学科研究中心）
该研究针对空间网络中介数中心性计算困难的问题，提出有限大密度下的展开式方法，计算最低非平凡阶并验证其非普适性，经多种图的数值模拟验证吻合度高，为大型空间网络的BC计算提供框架。
2021-09-20 cond-mat.dis-nn cond-mat.stat-mech cs.CG
The relative importance of structure and dynamics on node influence in reversible spreading processes
反复感染的可逆传播过程广泛存在于自然界和人类社会中，如淋病传播、模因传播等。识别有影响力的传播者是复杂网络上可逆传播动力学研究中的一个重要问题，受到了广泛的关注。在可逆扩散过程中，除了结构中心性外，节点的动力学状态对其扩散影响也起着重要的作用。通过将节点邻居的传出边数和感染风险与结构中心性相结合，提出了一种新的识别有影响力传播者的方法，该方法考虑了结构和动态对节点影响的相对重要性.邻居的传出边数和感染风险分别代表了局部结构特征对识别有影响的传播者的积极影响和节点动态状态对识别有影响的传播者的消极影响。我们发现，这两个特征的适当组合可以大大提高所提出的措施，以确定最有影响力的传播者的准确性。值得注意的是，与局部结构特征的正效应相比，稍微削弱节点动态状态的负效应，可以使该测度发挥最佳性能。定量地了解结构和动力学对节点影响的相对重要性，为识别可逆扩散过程中有影响的节点提供了重要的见解。
2021-05-21 physics.soc-ph
Scaling of random walk betweenness in networks
研究了用随机游动路代替测地线的图的介数中心性。当图的大小$N$变化时，得到了没有可调参数的缩放崩溃;缩放曲线取决于图模型。还定义了一个归一化的随机介数，它只计算通过一个节点的每次行走一次。它被认为是更有用的，并被认为具有更简单的缩放行为。特别地，发现偏好连接图上的随机游走通过根节点的概率趋于1，为$N\rightarrow\infty.$
2016-07-01 cond-mat.stat-mech physics.soc-ph
Preferential attachment: a multi-attribute growth process generating scale-free networks of different topologies
本文扩展了基于度的优先连接增长过程的考虑，并应用五种不同的连接标准（节点度，聚类系数，介数中心性，接近中心性，和特征向量中心性）来定义网络中新链接的发展。基于统计推断的分析表明，所有可用的控制属性都能生成SF网络，所提出的广义偏好附着生长过程在不同的控制属性下生成具有统计上不同拓扑结构的网络，介数中心性是生成拓扑结构更优的控制属性网络.总体而言，本文介绍了一个多维的概念化的偏好连接，这可以激励进一步的研究，并可以提供新的工具，为现实世界的网络，目前不能完全解释度驱动的BA模型的建模和解释。
2020-01-15 physics.data-an physics.soc-ph
Influential spreaders for recurrent epidemics on networks
识别哪些节点是网络上传播过程的最佳种子是一个重要的问题，最近引起了人们的极大兴趣。虽然活动主要集中在非经常性类型的动态，在这里，我们考虑易感-感染-易感（SIS）传播模型的问题，其中在一个节点中播种的爆发可以引发无限的活动雪崩。我们应用Larremore等人提出的网络雪崩理论框架[Phys. Rev. E 85，066131（2012）]，以获得对高于和低于流行阈值的单个节点的传播影响（雪崩持续时间和雪崩大小）的详细定量预测。当该方法与退火网络近似相补充时，我们获得了接近过渡的感兴趣的观测量的完全解析表达式，突出了度中心的作用。这些结果与幂律度分布的合成网络上进行的数值模拟的比较显示，一般在亚临界状态下有很好的一致性，从而留下一些问题，为进一步研究相对于超临界区域。
2020-07-16 cond-mat.stat-mech cs.SI physics.soc-ph
Comment on ``Scientific collaboration networks. II. Shortest paths, weighted networks, and centrality"
本文研究了Newman [M. E. J. Newman，Phys. Rev. E { \bf 64}，016132（2001）]来计算所有顶点的介数中心性。指出了Newman算法的不准确性，并给出了一个时间复杂度为O（$MN$）的修正算法.此外，针对酵母蛋白质相互作用网络，比较了两种算法的计算结果。
2005-12-18 physics.soc-ph
Numerical Investigation of Metrics for Epidemic Processes on Graphs
本研究开发了流行病击中时间（EHT）度量图测量的预期时间开始在节点$a$在一个完全易感的网络传播和到达节点$b$。一个相关的EHT中心性措施，然后比较度，介数，频谱，和有效电阻中心性措施，通过详尽的数值模拟几个真实世界的网络数据集。我们发现两个令人惊讶的观察：第一，EHT中心性是高度相关的有效电阻中心性;第二，EHT中心性措施是更离域相比，度和频谱中心性，突出了周边节点的作用，在图上的传染病传播。
2015-11-24 cs.SI math.PR physics.soc-ph
Predicting epidemic outbreak from individual features of the spreaders
了解哪些个体可以更有效地在确定的环境中传播病原体是疾病控制中的一个基本问题。事实上，在过去的几年里，流行病的传播及其与相关系统拓扑结构的关系一直是复杂网络理论中反复出现的话题，同时考虑到网络模型和现实世界的数据。在本文中，我们探讨了传染病的异质性传播由易感染-感染-恢复（SIR）模型，和起源顶点的几个属性之间的可能的相关性，考虑Erdös-Rényi（ER），Barabási-Albert（BA）和随机几何图（RGG），以及一个真实的研究案例，美国航空运输网络，包括美国500个最繁忙的机场以及相互连接。最初，考虑到RGG网络，在其中，我们解析推导出的传播率的分布在已建立的联系人之间的表达式，通过假设这样的速率呈指数衰减的距离，分开的个人的异质性的传播实现。这样的分布也被认为是ER和BA模型，我们观察到拓扑效应的相关性。在机场网络的情况下，扩展率是根据经验定义的，假设与座位可用性成正比。在所考虑的理论网络和真实网络中，我们观察到总流行率与流行源的程度、强度和可及性之间存在高度相关性。然而，对于诸如介数中心性和$k$壳指数之类的属性，相关性取决于所考虑的拓扑。
2012-06-15 cs.SI physics.soc-ph q-bio.PE
Identifying influential spreaders and efficiently estimating infection numbers in epidemic models: a walk counting approach
我们引入了一种新的方法，有效地近似的感染数量从一个给定的初始感染节点在网络中的易感个体。我们的方法是基于计算网络中每个其他节点的各种长度的可能感染步行的数量。我们分析研究了我们的方法的属性，特别是展示了SIS和SIR疾病传播的不同形式（例如，在SIR模型下，我们的方法计算了自我回避的行走）。与现有的方法来推断网络中不同节点的传播效率（基于度，k壳分解分析和不同的中心性度量）相比，我们的方法直接考虑了传播过程，因此，在提供实际感染数量的估计方面是独一无二的。至关重要的是，在模拟感染在各种现实世界的网络与SIR模型，我们表明，我们的步行为基础的方法提高了推断的有效性节点在广泛的感染率相比，现有的方法。我们还分析了估计精度和计算成本之间的权衡，表明这里仍然可以获得更好的精度在一个可比的计算成本，其他方法。
2012-10-24 cs.SI physics.bio-ph physics.soc-ph
Identify Influential Spreaders in Asymmetrically Interacting Multiplex Networks
识别最具影响力的传播者对于理解和控制网络中的传播过程非常重要。由于现实世界中的许多复杂系统都可以建模为多层网络，因此多层网络中重要节点的识别问题引起了人们的广泛关注。现有的研究主要集中在多层网络结构上，而忽略了多层网络的结构耦合和动力耦合如何影响网络中节点的动力重要性。在这里，我们调查这个问题的信息-疾病耦合的传播动力学的多元化网络。首先，我们明确地揭示了三个层间耦合因素，即两层的相对传播速度，层间耦合强度和两层的程度相关性，显着影响的节点上的接触层的传播影响。信息层的抑制作用使得接触层的结构中心性不能预测节点在多路复用网络中的传播影响。然后，通过将协同进化传播动力学映射为渗流过程，利用消息传递方法，提出了一种计算单个种子节点疾病爆发规模的方法，该方法可用于估计协同进化传播动力学中节点的传播影响力。我们的工作提供了见解的重要性，在多重网络中的节点，并给出了一个可行的框架，调查有影响力的传播者在不对称的共同进化动力学。
2021-01-07 physics.soc-ph
Range-limited Centrality Measures in Complex Networks
在这里，我们提出了一个范围有限的方法，在非加权和加权有向复杂网络的中心性措施。我们介绍了一种有效的方法，生成每个节点和每个边缘的介数中心的最短路径的长度不长于$\ell = 1,...,L$的情况下，非加权网络的基础上，和加权网络的相应数量的最小权重路径的路径权重不大于$w_{\ell}=\ell Δ$，$\ell=1,2...,L=R/Δ$。这些测量提供了关于节点（边缘）相对于其网络邻域（1步外、2步外等直到包括整个网络）的定位重要性的系统描述。我们发现，范围有限的中心服从普遍的标度律大型非加权网络。由于传统中心性度量的计算成本很高，因此可以利用这种缩放行为来有效地估计所有范围（包括传统范围）的节点和边缘的中心性。缩放行为也可以被利用来表明，基于其范围有限的中心度的节点（边）的排名顶列表根据范围快速冻结，因此可以有效地预测直径范围顶列表。我们还展示了如何估计$N$节点网络的典型最大节点到节点的距离，利用上述缩放行为。这些观察结果在模型网络和从手机跟踪日志（$\sim 5.5\times 10^6$节点和$\sim 2.7\times 10^7$边）推断的大型社交网络上进行了说明。最后，我们应用这些概念来有效地检测网络的脆弱性骨干（定义为最高介数节点和边缘的最小聚类），并说明加权网络中基于权重的中心性度量在检测此类骨干中的重要性。
2011-11-23 cond-mat.stat-mech cs.DS cs.SI
