Identifying an influential spreader from a single seed in complex networks via a message-passing approach
识别最具影响力的扩散子是复杂系统物理中的突出问题之一。到目前为止，许多方法都试图对节点的影响力进行排名，但仍然缺乏准确性来选出有影响力的传播者。在这里，我们直接解决的问题，找到重要的传播者，通过分析解决的预期规模的流行病爆发时，传播起源于一个单一的种子。我们推导并验证了一个理论，用于计算一个单一的种子，使用消息传递方法的流行病爆发的规模。此外，我们发现，发生疫情的概率是高度依赖于种子的位置，但一旦发生疫情的大小是不敏感的种子。我们还表明，我们的方法可以成功地适应加权网络。
2017-12-11 cond-mat.stat-mech cs.SI physics.soc-ph
Absence of influential spreaders in rumor dynamics
最近的研究[1]表明，核心度，而不是度，构成了一个更好的拓扑描述符，以识别复杂网络中有影响力的传播者。这一假设在疾病传播的背景下得到了验证。在这里，我们专注于谣言传播模型，这更适合于社会传染和信息传播。为此，我们在几个真实世界的网络上进行了广泛的计算机模拟，并发现了相反的结果。也就是说，我们表明，节点的传播能力不依赖于他们的$k$核心索引，而不是决定是否一个给定的节点防止扩散的谣言，以系统范围内的规模。我们的研究结果与传染动力学的社会学研究和有效的商业病毒过程的设计有关。
2011-12-10 cs.SI physics.soc-ph
Finding influential spreaders from human activity beyond network location
大多数用于识别社交网络上有影响力的传播者以传播消息或阻止流行病的中心点都需要传播发生的网络的完整拓扑信息。然而，在实践中，收集社交网络中的代理之间的所有连接很难实现。因此，这样的度量可能难以应用于真实的社交网络。因此，需要一种新的方法来识别有影响力的人没有明确的网络信息，以提供一个有效的免疫或传播策略，在实际意义上。在这项研究中，我们寻求一种可能的方式来寻找有影响力的传播者，通过使用社会关系是如何形成在现实网络中的社会机制。我们发现，一个可靠的免疫接种计划可以通过询问人们如何相互作用来实现。从这些调查中，我们发现，在测试的社会机制中，连接到枢纽的概率趋势对有影响力的传播者具有最强的预测能力。我们的观察还表明，当网络具有强大的模块化结构时，连接不同社区的人更有可能成为有影响力的传播者。我们的发现意味着，不仅网络位置的影响，而且个人的行为是很重要的，以设计最佳的免疫或传播方案。
2015-07-06 cond-mat.stat-mech cs.SI physics.soc-ph
Leveraging percolation theory to single out influential spreaders in networks
在许多社会、技术和生物系统的无序交互拓扑结构的后果中，一个特别重要的后果是，一些节点，仅仅因为它们在网络中的位置，可能对由复杂交互模式介导的动力学过程产生不成比例的影响。例如，社交网络中意见领袖的早期采用可能会改变商业产品的命运，或者仅仅几个超级传播者就可以决定社交媒体中的病毒式传播。尽管最近的许多努力，制定一个准确的方法，以最佳地确定复杂的网络拓扑结构中的有影响力的节点仍然是一个未解决的挑战。在这里，我们提出了具体的，但高度相关的情况下，易感-感染-删除（SIR）模型的传染病传播的关键问题的精确解。通过利用键渗流和SIR的静态性质之间的映射，我们证明了最近引入的非回溯中心性是在临界状态下识别局部树状网络中有影响力的扩散器的最佳标准。通过对合成网络和一组非常广泛的真实网络的模拟，我们证明了非回溯中心性是一个高度可靠的度量，可以在不嵌入空间的通用图中识别最有影响力的传播者，以及非临界传播。
2016-05-23 cs.SI physics.soc-ph
Identify influential spreaders in complex networks, the role of neighborhood
识别最有影响力的传播者是控制复杂网络中传播过程的一个重要问题。中心性度量用于对扩散动态中的节点影响进行排序。在这里，我们提出了一个节点的中心性和它的邻居的中心性，我们称之为邻居中心性的基础上的节点影响力的措施。通过模拟六个真实网络中的传播过程，我们发现邻域中心性在对节点影响力进行排序和识别最有影响力的传播者方面大大优于节点的基本中心性，如度和核心度。有趣的是，我们发现在考虑节点的邻域时存在饱和效应，这不是越大越好的情况。具体来说，考虑节点的两步邻域是一个很好的选择，平衡了成本和性能。如果进一步考虑邻域的步长，则排序性能没有明显的改善，甚至有所下降。饱和效应可以为利用节点的局部结构来确定其在网络中的重要性的研究提供信息。
2015-11-02 cs.SI physics.soc-ph
Core-like groups result in invalidation of identifying super-spreader by k-shell decomposition
识别最具影响力的传播者是理解和控制复杂网络传播过程的重要问题。最近的研究表明，位于网络核心的节点是最有影响力的传播者。然而，通过大量的数值模拟，我们观察到并不是所有的真实网络中，高壳层的节点都是非常有影响力的：在一些网络中，核心节点是最有影响力的，我们称之为真正的核心，而在其他高壳层的节点中，即使是最里面的核心，也不是很好的传播者，我们称之为类核心群。通过分析网络的k-核结构，我们发现网络的真正的核与网络的壳层之间的联系非常紧密，而类核群则在群内非常局部地联系。对于类核群中的节点，k-shell指标不能反映其在网络中的位置重要性。我们进一步引入了一个措施的基础上的链接多样性的外壳，以有效地区分真正的核心和核心类组，并确定整个网络的核心类组。我们的发现有助于更好地理解真实网络和有影响力节点的结构特征。
2015-05-27 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
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
Emergence of influential spreaders in modified rumor models
在过去十年中，在线社交网络的使用激增，这证明了当前的谣言传播模型为了重现信息的传播方式，忽略了一些基本要素。特别是，最近的文献表明，这些模型未能再现这样一个事实，即网络中的某些节点在传播信息时具有影响力。在这项工作中，我们介绍了两种机制，目的是填补理论和实验结果之间的差距。第一个模型引入了传播者并不总是活跃的假设，而第二个模型则考虑了无知者对传播谣言不感兴趣的可能性。在这两种情况下，从数值模拟的结果显示出更高的粘附到真实数据比经典的谣言传播模型。我们的研究结果揭示了大型社会系统中信息和思想传播的机制，并为更现实的扩散模型铺平了道路。
2012-09-06 cs.SI physics.soc-ph
Systematic comparison between methods for the detection of influential spreaders in complex networks
影响最大化是寻找网络中的节点集合，使网络上发生的传播过程的爆发规模最大化的问题。这个问题的解决方案对于营销和政治活动中的战略决策非常重要。典型的设置包括在非常大的网络中识别初始传播者的小集合。这种设置使得优化问题在计算上对于同时考虑关于网络拓扑和传播动态的信息的标准贪婪优化算法是不可行的，仅将空间留给基于仅依赖于网络的几何形状的剧烈近似的启发式方法。关于这个主题的文献是大量的纯拓扑方法，用于识别网络中有影响力的传播者。然而，目前还不清楚这些方法离最佳状态有多远。在这里，我们进行了系统的测试的性能的众多启发式方法识别有影响力的传播者。我们量化了各种方法在100个真实网络的语料库上的性能;语料库由足够小的网络组成，可以应用贪婪优化，因此该算法的结果可以用作分析其他方法在同一网络语料库上的性能所需的基线。我们发现，相对简单的网络指标，如自适应度或接近中心度，能够实现非常接近基线值的性能，从而为在大规模问题设置中使用这些指标提供了良好的支持。
2019-10-22 cs.SI physics.soc-ph
Describing the effect of influential spreaders on the different sectors of Indian market: a complex networks perspective
本研究基于复杂网络分析，提出LIEST指标以区分印度市场各行业在危机期间的正负向影响，揭示了网络动力学的非线性特征。
2022-10-17 cs.SI physics.soc-ph q-fin.CP
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
Identification of influential spreaders in complex networks
网络描绘了人们在社会中相遇、思想传播和传染病传播的多种互动。确定网络中最有效的“传播者”是优化利用现有资源和确保更有效传播信息的重要一步。在这里，我们表明，在一个社会网络中最有影响力的传播者不对应于最好的连接的人或最中心的人（高介数中心性）。相反，我们发现：（i）最有效的传播者是那些位于网络核心的传播者，如k壳分解分析所确定的。(ii)当同时考虑多个扩散器时，它们之间的距离成为决定扩散范围的关键参数。此外，我们发现-在感染的情况下，不赋予免疫力恢复的个人-感染持续在网络的高k壳层的条件下，枢纽可能无法保存感染。我们的分析提供了一个合理的路线，有效的传播策略的最佳设计。
2011-10-04 physics.soc-ph
Accurate ranking of influential spreaders in networks based on dynamically asymmetric link-impact
我们提出了一个有效和准确的衡量排名的传播者，并确定有影响力的网络传播过程中。虽然边决定了节点之间的连接，但它们在传播中的具体作用应该明确考虑。连接节点i和j的边对于从i扩展到j和从j扩展到i的重要性可能不同。关键问题是节点j在通过边被i感染后，是否会接触到i本身无法直接到达的其他节点。有必要调用两个不等的权重wij和wji，根据节点i和j的邻域来表征边缘的重要性。源自节点的总不对称方向权重导致一种新的度量si，其量化了节点在扩散过程中的影响。s-shell分解方案进一步为节点分配s-shell指数或加权核心。基于si和加权核心度的排名的有效性和准确性通过将它们应用于九个真实世界的网络来证明。结果表明，它们通常优于基于节点度和k壳指数的排名，同时保持较低的计算复杂度。我们的工作代表了理解和控制疾病、谣言、信息、趋势和网络创新传播的关键一步。
2017-05-10 cs.SI 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
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
Local structure can identify and quantify influential global spreaders in large scale social networks
测量和优化大数据在线社交网络中节点的影响力对于许多实际应用非常重要，例如病毒式营销和新产品的采用。由于社交网络上的病毒传播是一个全球性的过程，人们普遍认为，衡量节点的影响力不可避免地需要整个网络的知识。运用渗流理论，我们表明，扩散过程显示出成核行为：一旦一条信息从种子扩散到超过一个小的特征数量的节点，它到达一个不归点，并将迅速到达渗流集群，无论整个网络结构，否则扩散将被包含在本地。因此，我们发现，没有整个网络的知识，任何节点的全球影响力可以准确地衡量使用这个特征数，这是独立的网络规模。这激发了一个有效的算法，具有恒定的时间复杂度的长期存在的问题，最佳种子传播器的选择，与性能显着接近真正的最优。
2018-07-30 cs.CY cs.DS cs.SI
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
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
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
Identifying Influential Nodes in Weighted Networks using k-shell based HookeRank Algorithm
寻找有影响力的传播者是网络分析领域的一项重要任务，因为它具有许多理论和实践意义。这些节点在信息扩散过程中发挥着至关重要的作用，就像病毒式营销一样。许多现实生活中的网络都是加权网络，但与未加权网络相比，在加权网络中找到有影响力的节点的工作相对较少。在本文中，我们提出了一个基于k壳的HookeRank（KSHR）算法来识别加权网络中的扩散器。首先，我们提出了加权k壳中心节点u通过使用$u$的k壳值，其邻居的k壳值（$v$），以及它们之间的边权重（$w_{uv}$）。我们将网络中的边建模为弹簧，边权重为弹簧常数。基于胡克弹性定律的概念，我们假设一个力等于加权k壳值作用在每个节点上。在这种安排中，我们制定了KSHR中心的每个节点使用相关的加权k壳值和等效的边的权重，通过照顾从源节点的边缘的串联和并联组合，最多3跳邻居。该算法找到有影响力的节点，可以传播信息的最大数量的节点在网络中。我们比较我们提出的算法与流行的现有算法，并观察到它优于他们在许多现实生活中的和合成的网络使用易感性感染的传播（SIR）信息扩散模型。
2021-01-23 cs.SI 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
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 subpopulations in metapopulation epidemic models using message-passing theory
在集合种群流行病模型中识别有影响力的亚群对全球流行病的监测和干预政策具有深远的潜在影响。然而，在集合种群模型中，缺乏基于严格数学背景的确定影响节点的方法。在这项研究中，我们推导出集合种群建模的消息传递理论，并提出了一种方法来确定有影响力的传播者。根据我们的分析，我们将最危险的城市确定为应用于现实世界数据时的潜在流行病种子。此外，我们特别评估了亚群水平上各种异质性来源的相对重要性，例如，连接的数量和移动模式，以确定扩展过程的属性。我们验证了我们的理论与大量的数值模拟经验和合成网络考虑各种流动性和传输概率。我们证实，我们的理论可以准确地预测有影响力的亚种群集合种群模型。
2022-04-14 physics.soc-ph
Identifying influential node groups in networks with core-periphery structure
本文研究核心-边缘网络中核心节点影响力差异的结构原因，通过真实与模型网络分析揭示内部连通性正相关、外部连通性呈先升后降关系。
2024-08-05 physics.data-an physics.soc-ph
