A Generic Axiomatic Characterization of Centrality Measures in Social Network
中心性是复杂网络中的一个重要概念，它可以用来描述节点或边在网络中的影响力。它在包括社区发现在内的其他几种网络分析工具中起着重要的作用。尽管有少量的公理化框架与此概念相关联，现有的形式化在本质上不是通用的。在本文中，我们提出了一个通用的公理框架，以捕捉所有的内在性质的中心性措施（a.k.a.）。中心性指数）。我们分析流行的中心性措施，以及其他新的措施的中心性使用这个框架。我们观察到，没有一个中心性措施考虑满足所有的公理。
2017-03-22 cs.SI physics.soc-ph
Locating influential nodes via dynamics-sensitive centrality
复杂网络中影响节点的定位是一个很有前途的研究课题，具有重要的理论和实际意义。在本文中，我们提出了一个动态敏感（DS）的中心性，集成了拓扑特征和动力学性质。DS中心性可以直接应用于定位有影响力的传播者。在四个真实网络上对SIR和SI传播模型的实证结果表明，DS中心性比度、$k$ -壳指数和特征向量中心性更准确.
2015-04-25 cs.SI physics.data-an physics.soc-ph
The statistical nature of h-index of a network node
从顺序统计学角度揭示网络节点h-index的统计性质，提出通用框架并推导出比h-index更准确稳健的新中心性指数。
2023-05-19 cs.SI physics.soc-ph stat.AP
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
Geometry of Complex Networks and Topological Centrality
我们探讨了复杂网络的几何形状的n维欧氏嵌入表示的Moore-Penrose伪逆的图形拉普拉斯$(\bb L^+)$。节点$i$到该n维空间$(l^+_{ii})$中的原点的平方距离产生节点$i$的拓扑中心性指数$(\mathcal{C}^{*}(i) = 1/l^+_{ii})$。反过来，单个节点结构中心的倒数之和，即$\bb L^+$的迹，$\sum_{i}1/\mathcal{C}^*(i) = \sum_{i} l^+_{ii}$，产生了众所周知的基尔霍夫指数$(\mathcal{K})$，网络的总体结构描述符。除了这种几何解释，我们提供了替代解释的建议指数，以揭示其真正的拓扑特征：首先，在强迫绕道开销和频率的递归随机游走，有一个有趣的类比电压分布在等效电网络;然后作为平均连通性的$i$在所有的双分区的图形。这些解释分别帮助建立节点$i$的拓扑中心性$(\mathcal{C}^{*}(i))$作为其整体位置以及其在网络中的整体连通性的度量;从而反映节点$i$对随机多个边缘故障的鲁棒性。通过使用合成和真实世界的网络进行实证评估，我们证明了拓扑中心性如何能够更好地区分节点在网络中的结构角色，以及基尔霍夫指数，对网络中的扰动/重新布线非常敏感。
2012-11-25 cs.DM cs.SI physics.soc-ph
Control centrality and hierarchical structure in complex networks
我们引入控制中心的概念来量化单个节点控制有向加权网络的能力。我们计算了几个实际网络的控制中心分布，发现它主要取决于网络的度分布。我们严格证明，在一个有向网络没有回路的控制中心的节点是唯一的确定其层指数或拓扑位置的底层层次结构的网络。受一般有向网络中控制中心性与层次结构之间的深刻联系的启发，我们设计了一种有效的攻击策略来对抗恶意网络的可控性。
2012-03-12 cond-mat.stat-mech cs.SI physics.soc-ph
Character Networks and Book Genre Classification
我们比较了传记、传奇和虚构文本的社会角色网络，以寻找体裁分化的标志。我们检查了人物外表的程度分布，并发现了一个不依赖于文学流派或历史内容的幂律。我们还分析了本地和全球复杂网络的措施，特别是最近推出的大堂（或赫什$H(1)$）指数和度，介数和接近中心之间的相关图。以前的文献声称将虚构的社交网络与真实的社交网络分开，也研究了分类情节。我们在这些网络测量的书籍中没有发现相关的差异，并且我们给出了一个合理的解释，为什么以前的非线性结果不正确。
2018-10-12 cs.SI physics.soc-ph
A general centrality framework based on node navigability
中心性度量是网络科学中用于识别图中重要节点的流行工具。我们引入潜在增益作为中心性度量，它统一了图中许多基于步行的中心性度量，并捕获了节点可导航性的概念，解释为通过短步行从其他任何地方（图中）可到达的属性。潜在的增益（称为几何和指数潜在的增益）的两个实例，我们描述了可扩展的算法计算它们的大型图形。我们还证明了新措施和既定中心之间的关系。因此，节点的几何潜在增益可以表征为其度中心性与其Katz中心性分数的乘积。同时，证明了节点的指数潜在增益是度中心性与其可通信性指标的乘积。这些正式的结果将潜在的收益与上述中心性所捕获的“流行性”和“相似性”属性联系起来。
2020-03-12 cs.SI physics.soc-ph
A Novel Measure of Edge Centrality in Social Networks
在过去的几年里，图中的节点和边的中心性值的分配问题得到了广泛的研究。最近，已经提出了一种新的节点中心性度量，称为k路径中心性指数，它是基于网络内的消息沿着至多k条边组成的路径传播。另一方面，自20世纪70年代以来，Anthonisse以及随后的Girvan和Newman已经证明了计算边缘中心性的重要性。在这项工作中，我们提出了广义的k-路径中心性的概念，通过定义的k-路径边缘中心性，一个衡量的中心性引入计算边缘的重要性。我们提供了一个有效的算法，运行在O（k m），是m在图中的边缘数。因此，我们的技术是可行的大规模网络分析。最后，我们的算法的性能进行了分析，讨论对大型在线社交网络数据集所获得的结果。
2013-03-07 cs.DS cs.SI physics.soc-ph
A Composite Centrality Measure for Improved Identification of Influential Users
近年来，识别社交网络用户的传播能力并根据其影响力对其进行排名的问题引起了人们的广泛关注;为此目的，已经提出了不同的方法。这些方法中的大多数依赖于图中节点及其邻居的拓扑位置，以提供估计用户传播能力的度量。其中最著名的测度之一是k-shell，在此基础上又提出了其他测度，但由于同一k-shell指标可能被分配给不同度的节点，因此该测度的准确性较低。本文试图改进这一点，提出了一种复合中心性度量，它结合了节点的度和k壳指数。在各种真实和人工网络上的实验结果和评估表明，该措施优于其他国家的最先进的措施的单调性和准确性。
2021-11-08 cs.SI
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
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 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
Node Dissimilarity Index for Complex Network Analysis
提出基于主成分分析的节点相异度指数（NDI），用于量化网络中节点在多种中心性指标上的相异程度，NDI越大表示相异性越高。
2023-10-14 cs.SI
Miuz: measuring the impact of disconnecting a node
在这篇文章中，我们提出了Miuz，一个复杂网络的鲁棒性指标。Miuz测量从网络断开节点的影响，同时比较剩余连接组件的大小。严格地说，节点的Miuz定义为最大连通分量的大小除以其余连通分量的大小之和的倒数。我们在攻击策略中测试了我们的索引，其中节点以指定度量的降序断开连接。我们考虑了Miuz和其他著名的中心性度量，如介数、度和调和中心性。所有这些指标进行了比较的鲁棒性（R指数）在攻击过程中的行为。为了模拟互联网骨干网，攻击是在具有幂律度分布的复杂网络（无标度网络）中进行的。初步结果表明，基于断开几个节点Miuz的攻击比基于其他中心性措施的攻击更危险（降低鲁棒性）。我们相信，Miuz以及其他基于最大连通分量大小的度量方法，为复杂网络的其他鲁棒性度量提供了很好的补充。
2016-09-02 cs.SI physics.soc-ph
Understanding Stability of Noisy Networks through Centrality Measures and Local Connections
从真实世界数据创建的网络包含一些不准确或噪声，表现为网络结构的微小变化。一个重要的问题是，这些微小的变化是否会显著影响分析结果。本文研究了噪声对高中心性顶点秩变化的影响。我们使用Jaccard指数（JI）比较原始网络中的前k个高中心性节点中有多少也是噪声网络中排名前k的节点的一部分。如果JI值很高，我们认为网络是稳定的。我们观察到两个影响稳定性的特征。首先，稳定性取决于所考虑的顶级顶点的数量。当顶点根据它们的中心性值排序时，它们分组为簇。对网络的扰动可以改变簇内的相对排名，但顶点很少从一个簇移动到另一个簇。第二，稳定性依赖于高排名顶点的局部连接。如果高等级的顶点相互连接，则网络是高度稳定的。我们的研究结果表明，网络的稳定性是由高中心性顶点的局部属性，而不是整个网络的全局属性。基于这些局部性质，我们可以识别网络的稳定性，而无需显式地应用噪声模型。
2016-09-17 cs.SI physics.soc-ph
Node and layer eigenvector centralities for multiplex networks
基于特征向量的中心性测度是网络科学中最流行的中心性测度之一。其基本思想是直观的，在标准的单层网络框架中，数学描述非常简单。此外，几个有效的计算工具可用于其计算。在维度上，过去已经做出了一些努力来描述基于特征向量的中心性度量，将Bonacich指数推广到多路复用网络的情况。在这项工作中，我们提出了一个新的定义的特征向量中心依赖于Perron特征向量的多齐次映射的张量描述的网络。我们证明了这种中心性的存在性和唯一性是保证在非常温和的假设下的复用网络。提出了广泛的数值研究，以测试新引入的中心性措施，并将其与其他现有的基于特征向量的中心性。
2021-02-24 cs.NA cs.SI math.NA
An Axiom System for Feedback Centralities
针对现有中心性公理方法仅覆盖少量测度、难以对比异同的问题，提出首个覆盖特征向量中心性、Katz中心性、Seeley指数、PageRank四种经典反馈中心性的公理系统，证明各测度可由该公理集子集唯一刻画。
2025-02-24 cs.SI
QuickCent: a fast and frugal heuristic for harmonic centrality estimation on scale-free networks
Universidad de Chile（智利大学）；National Center for Artificial Intelligence (CENIA)（国家人工智能中心）
本文提出 QuickCent，一种受快速简约启发式启发的调和中心性估计方法，利用入度等局部密度度量作为网络区域大小的代理，在无标度网络上以低计算成本取得与复杂机器学习方法相当的准确率。
2024-06-10 cs.LG cs.SI
Extrema Analysis of Node Centrality in Weighted Networks
网络科学的一个非常有趣的问题是评估给定网络的复杂程度。换句话说，这样的网络在多大程度上偏离了可以用来描述它的任何一般模式。在其他选择中，这些模式可以根据节点或边属性定义，作为中心性的各种模式之一。虽然有为加权图定义的中心性指数，但关于这个主题的讨论远未结束，特别是因为边权重在这方面的影响不仅在形式上而且在强度上都不同，这是迄今为止仍处于起步阶段的方法。对于前面提到的复杂性评估，情况更加严重：据我们所知，从加权图的中心性的角度来看，这在文献中从未得到过解决。本文详细介绍了一个丰富多彩的时尚一个健全的方法，涵盖这两个主题，以及实验证实其实用性和未来的趋势，在这方面。
2020-11-01 cs.SI
Monotonicity in Undirected Networks
在社交网络中建立新的关系（有一个新的追随者/朋友）总是有益的吗？这个问题可以被正式表述为定义网络参与者重要性的中心性度量的一个属性。分数单调性意味着添加弧增加了弧的目标的中心性分数;秩单调性意味着添加弧提高了弧的目标相对于其余节点的重要性。在有向强连通图上，大多数中心度都是分数单调和秩单调的。在本文中，我们研究了无向网络中经典中心性测度的得分和秩单调性问题：在这种情况下，我们要求得分或相对重要性在新边的两端都有所提高。我们发现，令人惊讶的是，在无向情况下的情况是非常不同的，特别是接近，调和中心，介数，特征向量中心，西利的指数，卡茨的指数，和PageRank不是排名单调;介数和PageRank甚至不是得分单调。换句话说，虽然得到一个新的追随者总是一件好事，但得到一个新朋友并不总是有益的。
2022-07-13 cs.IR cs.SI
A Higher-Order Temporal H-Index for Evolving Networks
本文将n阶H指数扩展到时序网络，提出时序中心性度量和时序核分解方法，并开发可扩展流式算法，用于识别演化网络中的超级传播者和时序连通组件。
2023-05-25 cs.SI
Exploring the Node Importance Based on von Neumann Entropy
在分析复杂网络的统计和拓扑特征时，一种有效且方便的方法是计算中心度来识别有影响力和重要的节点或结构，但大多数都局限于局部环境或某些特定配置。在本文中，我们提出了一个新的中心节点的冯诺依曼熵的基础上，这使我们能够调查的重要性，节点的频谱特征值分布。通过对实际网络的分析，表明冯诺依曼熵节点中心度是选择关键节点和经典节点的一个很好的指标。然后为了降低计算复杂性，给出了只依赖于第一和第二邻域的中心度的近似计算。此外，在最优传播问题和降低平均聚类系数中，这种熵中心性表现出很好的效率，并准确地揭示了网络的拓扑结构特征。在Erdos-Renyi网络和无标度网络中，熵中心性可以快速降低巨连通分支的标度，在随机几何图中，熵中心性可以有效地分解簇结构.这种新的方法从谱的角度揭示了节点的重要性，为网络研究提供了新的视角，在发现网络的本质结构特征方面具有巨大的潜力。
2018-05-07 cs.SI physics.soc-ph
A Faster Algorithm for Betweenness Centrality Based on Adjacency Matrices
针对大规模网络中介数中心性精确计算速度慢的问题，提出一种基于邻接矩阵并行计算的新算法，其时间复杂度仅与节点数相关，在小型密集网络上快于Brandes算法，并适用于大规模复杂网络。
2023-06-21 cs.CC cs.CE cs.NI
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
Semi-Monotonicity for Spectral Centrality Measures
Dipartimento di Informatica, Università degli Studi di Milano（米兰大学计算机科学系）
本文研究谱中心性度量的半单调性，证明特征向量中心性、Katz指数和PageRank在连通无向图上满足严格排名半单调性和得分半单调性，并回答了一个开放问题。
2026-09-22 cs.SI
Coverage centralities for temporal networks
现实网络系统的结构，如社会关系，可以建模为时间网络，其中每个边只出现在规定的时间。理解时态网络的结构需要量化时态顶点的重要性，这是一对顶点索引和时间。在本文中，我们定义了两个中心性措施的时间顶点的最快时间路径的基础上，使用的时间顶点。该定义是免费的参数和鲁棒性对我们关注的时间尺度的变化。此外，我们可以有效地计算所有时间顶点的中心性值。使用这两个中心性的措施，我们发现，这些中心性值的分布在现实世界的时间网络是异构的。对于各种数据集，我们还证明了大多数高度中心的时间顶点位于一个狭窄的时间窗口内的特定时间。换句话说，在时间网络中发送的大多数信息通过少量时间顶点时存在瓶颈时间，这表明这些时间顶点在传播现象中的重要作用。
2016-02-16 cs.SI physics.soc-ph
Presentation a Trust Walker for rating prediction in Recommender System with Biased Random Walk: Effects of H-index Centrality, Similarity in Items and Friends
University of Applied Science and Technology（应用科学与技术大学）；University of Kurdistan（库尔德斯坦大学）；Queensland University of Technology（昆士兰科技大学）
推荐系统的使用已经大大增加，以帮助在线社交网络用户在决策过程中选择合适的项目。另一方面，由于许多不同的项目，用户无法对其中的大范围进行评分，并且通常为用户创建的矩阵存在分散问题。为了解决这个问题，基于信任的推荐系统被用来预测用户所期望的项目的分数。已经考虑了各种标准来定义信任，并且通常基于这些标准来计算用户之间的信任度。在这方面，由于社交网络中的用户数量众多，因此不可能获得所有用户的信任程度。还有，针对这个问题，研究人员使用不同模式的随机游走算法随机访问一些用户，研究他们的行为，获得他们之间的信任程度。在本研究中，提出了一个基于信任的推荐系统，预测目标用户没有评价的项目的分数，如果该项目没有找到，它提供给用户的项目依赖于该项目，也是用户的兴趣的一部分。在可信网络中，通过对节点之间的边进行加权来确定信任度，并开发了一种TrustWalker，它使用偏置随机游走（BRW）算法在节点之间移动。边的权重在随机步长的选择中是有效的。本研究方法的实施和评估已经进行了三个数据集命名为Epperly，Flixster，和FilmTrust的结果显示所提出的方法的高效率。
2020-09-10 cs.LG cs.SI
Most central or least central? How much modeling decisions influence a node's centrality ranking in multiplex networks
Kaiserslautern University of Technology（凯泽斯劳滕工业大学）
为了理解一个节点在多路复用网络中的中心性，可以聚合它在网络所有层中的中心性值。这需要对值进行规范化，以便在不同大小和顺序的网络上进行有意义的比较和聚合。在网络分析论文中，几乎从未讨论过归一化和聚合等预处理步骤的具体选择。在本文中，我们表明，即使坚持最简单的中心性指标（度），但使用不同的，经典的选择的规范化和聚合策略，可以把一个节点从最中心的是最不中心的。我们提出了我们的研究结果，通过使用不同的，经典的聚合策略的基础上三个多路复用网络之间的聚合运营商的规模。我们还介绍了节点对复用网络中标准化和聚合策略选择的敏感性的新可视化和表征。观察到的单个节点对聚合和标准化策略的特定选择的高度敏感性非常重要，特别是对于各种智能分析软件，因为它质疑对结果的解释。
2016-06-17 cs.AI cs.SI
Mining Influential Spreaders in Complex Networks by an Effective Combination of the Degree and K-Shell
针对复杂网络中影响节点识别计算复杂且区分度不足的问题，提出融合节点及邻居k-shell指数与度中心性的方法，在准确性、分辨率和复杂度上优于DNC、NPIC。
2024-05-12 cs.SI
Spectral Fingerprints of Street-Network Morphology: A Size-Adjusted Graph-Laplacian Descriptor of Urban Fabric
University of the Arts: Poznań（波兹南艺术大学）
该研究提出尺度调整的图拉普拉斯描述符，通过光谱指纹编码街道网络形态，推导网格指数等读数，可区分形态类型并关联活动多样性，补充空间句法且适配图学习。
2026-08-18 cs.SI physics.soc-ph
Identification of milestone papers through time-balanced network centrality
科学论文之间的引用和相关的文献计量学指数，如$h$ -作者索引和期刊影响因子，正越来越多地被用作研究评价的定量工具，但往往是以有争议的方式使用。然而，一个基本的研究问题仍然悬而未决：定量指标在多大程度上捕捉科学作品的意义？我们分析了1893年至2009年美国物理学会（APS）期刊发表的$449,935$论文的引文网络，并重点比较了基于引文计数的指标与基于网络的指标。我们对比了五个文章级别的指标，它们分配给一组基础论文的排名，称为里程碑信件，由APS编辑精心挑选，“通过宣布重大发现或启动新的研究领域，为物理学做出长期贡献”。一个新的指标，它结合了PageRank中心性与明确的要求，即论文分数不受论文年龄的影响，是识别里程碑信件的整体性能最好的指标。新指标中没有时间偏差，因此也可以用它来比较相同尺度下不同年龄的论文。我们发现，基于网络的指标识别里程碑字母比基于引用计数的指标，这表明引用网络的结构包含的信息，可用于提高科学出版物的排名。这里提出的方法和结果是相关的所有不断发展的系统，网络中心性指标的应用，例如万维网和在线社交网络。一个互动的网络平台，它可以查看排名的APS论文通过重新缩放PageRank可在地址\url{http://www.sciencenow.info}。
2016-11-08 cs.DL cs.IR cs.SI
The Multiple Instances of Node Centrality and their Implications on the Vulnerability of ISP Networks
网络拓扑中节点的位置在很大程度上决定了它们参与各种网络功能的程度。然而，许多节点中心性指数，提出量化如何中央个别节点在这方面，产生非常不同的观点，他们的相对重要性。我们在本文中的第一个贡献是，然后沿着几个属性，包括信息的类型（本地与全球）和计算所需的处理复杂性的中心性指数的详尽调查和分类。接下来，我们研究了互联网脆弱性的背景下，这些指数中最流行的七个，以解决文献中迄今为止尚未充分探讨的问题。首先，我们进行了相关性研究，以评估的一致性的节点排名，这些指数产生的ISP路由器级拓扑结构。对于每对指数，我们计算完整的排名相关性，这是文献中的标准选择，以及k个顶级节点之间的重叠百分比。然后，我们让这些排名指导高度中心节点的删除，并评估对网络的连通性和流量承载能力的影响。我们的研究结果证实，top-k重叠预测的比较影响的指标对网络的脆弱性比全排名的相关性。重要的是，本地计算的度中心性指数接近全球指数，对交通承载能力的影响最大，而其近似的连接能力是更多的拓扑依赖性。
2013-12-17 cs.SI
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
The Hayastan Shakarian cut: measuring the impact of network disconnections
在这篇文章中，我们提出了Hayastan Shakarian（HS），一个复杂网络的鲁棒性指标。HS测量网络断开（边缘）的影响，同时比较剩余连接组件的大小。严格地说，Hayastan Shakarian指数被定义为边缘去除，其产生最大连通分量的大小除以其余分量的大小之和的最大倒数。我们在攻击策略中测试了我们的索引，其中节点以指定度量的降序断开连接。我们考虑使用Hayastan Shakarian切割（用最大HS断开边缘）和其他众所周知的策略作为更高介数中心性断开。所有的策略进行了比较的鲁棒性（R指数）在攻击过程中的行为。为了模拟互联网骨干网，攻击是在具有幂律度分布的复杂网络（无标度网络）中进行的。初步结果表明，基于断开使用Hayastan Shakarian切割的攻击比基于其他中心性措施的相同攻击更危险（降低鲁棒性）。我们认为，Hayastan Shakarian cut以及其他基于最大连通分量大小的度量，为复杂网络的其他鲁棒性度量提供了很好的补充。
2016-01-11 cs.SI
Exploring Information Centrality for Intrusion Detection in Large Networks
Rensselaer Polytechnic Institute（伦斯勒理工学院）
现代网络系统不断受到系统性攻击的威胁。连接到网络的设备数量以及相关的流量都出现了大幅增长。这就更加需要在系统设计和实施过程中更好地了解所有可能的攻击媒介。此外，它增加了挖掘大型数据集的需求，分析这些数据集已成为一项艰巨的任务。扩展监控基础设施以满足这一需求至关重要，但对于中小型组织来说，这是一个困难的目标。因此，有必要提出新的方法来解决大数据安全问题。信息中心性（IC）将具有更好优势的网络节点标记为中心节点，用于检测基于网络的异常，并使用它们来检测一类称为系统性攻击的攻击。其主要思想是，由于这些中心节点已经看到了网络中流动的大量信息，因此它们能够在其他节点之前检测到异常。本研究首先探讨了使用图来理解拓扑结构和信息流的重要性。然后，我们介绍了使用信息中心性，一个中心为基础的指标，以减少现有的通信网络中的数据汇集。使用IC识别的中心节点可以加速离群值检测时，配备了适当的异常检测技术。我们还提出了一种更有效的方法来计算大型网络的信息中心性。最后，我们证明了中心节点比其他非中心节点更快地检测到异常行为，因为异常行为本质上是系统性的。
2020-06-12 cs.CR cs.LG cs.SI
A Mathematical Framework for Citation Disruption
该研究提出一个基于网络中心性的数学框架，将CD指数等引文颠覆度量统一为介数中心性，并在真实数据上验证，发现扩大自我网络半径能更有效识别获奖创新。
2023-08-30 cs.DL cs.SI
Tackling information asymmetry in networks: a new entropy-based ranking index
信息是社会经济系统中各行为体的宝贵资产，其中很大一部分信息被纳入各行为体之间的联系网络。事实上，代理人建立的不同的相互联系模式可能导致网络结构知识的不对称;由于这需要不同的量化相关系统属性（例如，负债网络中的金融传染风险）的能力，能够更好地估计（否则）无法获得的网络属性的代理人最终具有竞争优势。在本文中，我们首次解决了网络拓扑结构所产生的信息不对称的量化问题。为了这个目的，我们定义了一个新的指数- InfoRank -旨在衡量每个节点所拥有的信息的质量，计算香农熵的合奏条件下的节点特定的信息。此外，我们测试我们的新的排名过程中的（不可访问的）网络结构的重建精度方面的性能，并表明它优于其他流行的中心性措施，在确定“信息最丰富”的节点。最后，我们讨论了网络信息不对称的社会经济影响。
2017-10-26 cs.SI physics.soc-ph
Psychological Imagination Networks Show Cross-Population Centrality and Clustering Alignment in Humans That Large Language Models Fail to Replicate
University of Florida（佛罗里达大学）
本研究通过心理网络分析发现，人类对心理意象的生动性评分在不同文化群体中形成稳定的网络结构，而大型语言模型（LLM）无法复制这种结构，表明人类想象网络根植于具身经验。
2026-07-03 cs.AI cs.CL cs.SI
Group Vitality Indices: Axioms and Algorithms
University of Warsaw（华沙大学）
本文研究群体活力指数，探讨其公理化定义及计算方法，提出两种满足额外规范条件的指数，并分析其计算特性。
2026-05-10 cs.GT cs.SI
Link prediction in complex networks via fusing node centrality and local similarity indices: a fair-protocol reassessment and parameter design principles
College of Sciences, China Jiliang University（中国计量大学理学院）
本文提出融合节点中心性与局部相似性指标的链接预测框架，利用PageRank和DomiRank构建DR-MD系列，在九个数据集上显著优于基线，DR-RA平均AUC达0.7084。
2026-09-17 cs.SI
Complex Network Analysis in Cricket : Community structure, player's role and performance index
运用网络分析方法研究运动队成员之间的互动，并以国际板球比赛中击球手之间的互动为例进行分析。我们为不同的球队生成了击球伙伴关系网络（BPN），并确定了网络的聚类系数、平均度、平均最短路径长度的精确值，并与Erd \text{ö} s-R \text{é} nyi模型进行了比较。我们观察到，网络表现出小世界行为，本质上是离散的。我们发现，最有联系的击球手不一定是最中心的，最中心的球员不一定是一个高击球率。我们研究的BPN的社区结构，并确定每个球员的角色的基础上，社区间和社区内的联系。我们观察到，{ \it DG Bradman爵士}，被认为是板球历史上最好的击球手，并没有占据网络$-$的中心位置，所谓的连接器枢纽。我们扩展我们的分析，量化的性能，相对重要性和影响，从团队中删除一个球员，根据不同的中心性分数。
2013-05-25 cs.SI physics.data-an physics.soc-ph
Distinct types of eigenvector localization in networks
邻接矩阵的谱性质提供了有关复杂网络结构和功能的信息。特别是，最大的特征值和相关的主特征向量是至关重要的节点中心性的理解和动力学过程的展开。在这里，我们表明，两种不同类型的本地化的主要特征向量可能会发生在异构网络。对于度分布为$P(q) \sim q^{-γ}$的合成网络，如果$γ>5/2$，局部化发生在最大的枢纽上;对于$γ<5/2$，一种新的局部化类型出现在与$K$ -核心分解中具有最大指数的壳相关联的介观子图上。在对真实网络的分析中也发现了类似的证据，证明存在不同的本地化模式。我们的研究结果打开了一个新的视角动态过程的网络和最近提出的替代措施的节点中心性的基础上的非回溯矩阵。
2016-01-13 cond-mat.dis-nn cond-mat.stat-mech cs.SI
Exact and Approximate Algorithms for Computing Betweenness Centrality in Directed Graphs
本文提出有向图中计算单顶点介数中心性的精确算法（基于预计算剪枝集合RV）和随机近似算法，在真实数据集上显著优于现有算法，尤其适用于小规模顶点集合。
2021-10-28 cs.DS cs.SI
Nonextensive analysis on the local structure entropy of complex networks
局部结构熵是一种识别复杂网络中影响节点的新方法。本文在Tsallis熵的基础上提出了一种新的复杂网络局部结构熵的形式。熵指数$q$的大小会影响局域结构熵的性质。当$q$的值为0时，非广延局部结构熵退化为一种新的度中心性形式。当$q$的值等于1时，非广延局部结构熵退化为局部结构熵的存在形式。在非广延局部结构熵中，我们也找到了一个非广延阈值。当$q$的值大于非扩张阈值时，改变$q$的值对局域结构熵的性质没有影响，并且不同的复杂网络具有不同的非扩张阈值。结果表明，新的非广延局域结构熵是局域结构熵的推广。它比现有的更合理，更有用。
2015-01-31 cs.SI physics.soc-ph
Social Capital and Individual Performance: A Study of Academic Collaboration
对社交网络的研究强调了网络结构或给定网络的结构属性及其对绩效结果的影响的重要性。这种网络结构的一个重要特性被称为“社会资本”，即“联系网络”和与这些联系网络相关的价值。在本研究中，我们的目的是提供经验证据的影响，社会资本和绩效的背景下，学术合作。我们认为，合作过程涉及社会资本嵌入在直接合作者之间的关系和网络结构。因此，我们研究学者的社会资本是否与他们的引用为基础的性能，使用合著和引文数据。为了测试和验证我们提出的假设，我们从Scopus中提取了2001年至2010年期间在标题或关键字或摘要中包含“信息科学”的出版物记录。为了克服传统社交网络指标在衡量学者社会资本在合著网络中的影响力方面的局限性，我们通过提出一种新的衡量标准（权力多样性指数）来扩展传统社交网络指标。然后，我们使用斯皮尔曼的相关秩和检验学者的社会资本措施和他们的引用为基础的性能之间的关联。研究结果表明，作者的研究绩效与他们的社会资本措施呈正相关。这项研究强调，权力多样性指数，这是作为一个新的混合中心性措施，作为一个指标的权力和个人的能力，控制通信和信息的影响。
2011-12-12 cs.IR cs.SI physics.soc-ph
Predicting stock market movements using network science: An information theoretic approach
股票市场被认为是一个高度复杂的系统，它由许多组成部分组成，其价格上下波动没有明确的模式。股票市场的复杂性挑战我们对其未来走势做出可靠的预测。在本文中，我们的目的是建立一个新的方法来预测标准普尔500指数（S&P 500）的未来走势，通过构建时间序列复杂网络的S&P 500标的公司连接它们的链接，其权重是由互信息的60分钟的价格变动的公司对连续5,340分钟的价格记录。我们表明，网络强度分布的变化提供了有关网络未来运动的重要信息。我们使用强度分布和网络测量（如中心性）构建了几个指标，并通过执行线性组合来组合最佳的两个预测因子。我们发现，组合预测和标准普尔500指数的变化表现出二次关系，它允许我们预测标准普尔500指数未来一步变化的幅度。结果表明，当组合预测因子较高时，标普500指数波动较大。在进行实际指数预测方面，我们建立了ARIMA模型。我们发现，将网络测量值添加到ARIMA模型中可以提高模型的精度。这些发现对于金融市场政策制定者来说是有用的，可以作为在市场发生剧烈变化之前干预市场的指标，也可以用于量化投资者改进预测模型。
2017-05-22 cs.CE cs.IT cs.SI
Connecting every bit of knowledge: The structure of Wikipedia's First Link Network
苹果，豪猪，还有最晦涩的鲍勃·迪伦的歌-每个话题都是从哲学中点击几下吗？在维基百科中，令人惊讶的答案是肯定的：几乎所有的路径都通向哲学。维基百科是有史以来最大、索引最细致的人类知识集合。维基百科不仅仅是一个主题的信息，它是一个自然形成的关系网。通过跟踪每篇文章中的第一个链接，我们用算法构建了一个包含所有470万篇文章的有向网络：维基百科的第一个链接网络。在这里，我们研究了维基百科的第一链接网络的英文版，以深入了解关于发明、地点、人物、物体和事件的许多文章是如何相互关联和组织的。通过遍历每条路径，我们测量了第一个链接的积累、路径长度、路径连接的文章组和循环。我们还开发了一种新的方法，遍历漏斗，以衡量每篇文章在塑造网络中发挥的影响力。与传统的网络中心性度量相比，流量漏斗提供了一种新的度量有向网络影响力的方法，而不会溢出到循环中。在维基百科的第一链接网络中，我们发现无标度分布描述了路径长度，积累和影响。远离分散，第一个链接不成比例地积累在几篇文章中-从具体到一般，并围绕社区，国家和科学等基本概念达到高潮。哲学比其他任何文章都多两个数量级的路径。我们还观察到对医疗保健和化石燃料等专题文章的吸引力。这些发现丰富了我们对维基百科不断增长的知识库的连接和结构的看法。
2016-12-07 cs.DL cs.SI physics.soc-ph
