Why distinctiveness centrality is distinctive
本文回应了Neal对Distinctiveness centrality指标的评论，通过全面分析其与Beta和Gamma测度在不同参数及网络拓扑下的相关性，验证了该指标作为社交网络分析替代或补充指标的可行性，并提供了计算复杂性分析与简化R代码。
2024-11-16 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
Path lengths, correlations, and centrality in temporal networks
在时间网络中，节点通过临时事件序列进行交互，信息或资源只能通过遵循事件时间顺序的路径流动。这种时间路径在动态过程中起着至关重要的作用。然而，由于网络到目前为止通常被认为是静态或准静态的，时间路径的属性还没有得到很好的理解。基于节点间平均时间距离的定义和算法实现，我们研究了人类通信和航空运输经验网络中的时间路径。虽然时间距离与静态图距离相关，但存在很大的扩展，并且从静态网络视图看起来很近的节点可能通过慢速路径连接或根本不连接。静态属性和时间属性之间的差异在时间贴近度中心性的研究中得到了进一步的强调。此外，相关性和异质性的基础事件序列的影响时间路径长度，增加时间距离的通信网络和减少它们在空中运输网络。
2011-07-19 cond-mat.dis-nn cs.SI physics.data-an
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
Sensitivity and Reliability in Incomplete Networks: Centrality Metrics to Community Scoring Functions
网络分析是理解相互作用实体的复杂系统的行为的重要工具。然而，由于数据收集技术的限制，网络模型中可能会缺少一些交互。这是一个在所有使用网络分析的领域中普遍存在的问题，从社交网络到超链接网络到生物网络。因此，分析网络的一个重要问题是了解增加噪声水平（即丢失边缘的百分比）如何影响不同的网络参数。在本文中，我们评估了噪声对社区评分和基于中心的参数的影响，涉及网络分析的两个不同方面：（i）灵敏度，即参数值如何随着边缘被移除而变化;（ii）消息传播的可靠性，即广播消息所需的时间如何随着边缘被移除而变化。我们在合成网络和真实世界网络以及三种不同噪声模型上的实验表明，对于所有网络和所有噪声模型的两个方面，持久性都是最有效的度量标准。对于敏感性实验，接近中心性是第二位的。对于消息传播实验，基于接近性和介数中心性的发起者选择与持久性密切竞争。这是因为持久性具有双重特性，其中所有顶点上的累积持久性对噪声敏感，但用于在消息传播期间寻找种子的顶级顶点的id在噪声下保持相对稳定。
2016-08-24 cs.SI physics.soc-ph
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
Methods to Determine Node Centrality and Clustering in Graphs with Uncertain Structure
过去网络分析中的许多工作都集中在分析离散图上，其中二元边表示关系的“存在”或“不存在”。由于传统的网络措施（例如，介数中心性）利用离散的链接结构，复杂的系统必须转换到这种表示，以研究网络特性。然而，在许多领域中，可能存在关于关系结构的不确定性，并且任何不确定性信息将在转换为离散表示时丢失。不确定性可能出现在存在不容易观察到的缓和链接信息的域中，即，链路随时间变得不活动，但可能不会被丢弃，或者观察到的链路可能不总是对应于有效关系。为了表示和推理这些类型的不确定性，我们超越了离散图框架，并开发了基于概率图表示的社交网络措施。更具体地说，我们开发的措施的路径长度，介数中心，和聚类系数-一套基于抽样和一个基于概率路径。我们评估了我们的方法在安然，Facebook和DBLP的三个现实世界的网络，表明我们提出的方法更准确地捕捉显着的效果，而不受局部噪声的影响，并且由此产生的分析产生了更好的理解的图形结构和不确定性随着时间的推移而变化。
2011-04-02 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
The importance of being honest: Correlating self-report accuracy and network centrality with academic performance
本研究旨在探讨自我报告准确性与学业成绩的相关性。样本由289名本科生（96名大四学生和193名大三学生）组成，就读于两个工程班。年龄在22至24岁之间，男生略多（53%）。学习成绩是根据学生在每个班级的最后成绩计算的。报告不准确信息的倾向是在瑞文推理测验结束时测量的，要求学生报告他们准确的完成时间。我们控制了性别、年龄、性格特征、智力和过去的学习成绩。我们还包括了他们在友谊、建议和信任网络中的中心地位。相关和多元回归分析结果表明，低成就的学生显着不准确的自我报告的数据。我们还发现，在建议网络中处于更中心的位置与更高的绩效相关（r = 0.20，p <0.001）。这些结果与现有文献一致，强调与学习成绩相关的个人和关系因素，并等待未来的研究，可用于包括一个新的自我报告的准确性，不依赖于学习成绩的指标。
2021-05-27 cs.SI physics.soc-ph
Network centrality measures and their correlation to mixed-uses at the pedestrian-scale
街道网络分析作为评估行人连通性及其与土地利用强度和组合的关系的工具具有吸引力;然而，由于各种理论，方法和考虑因素，在城市设计中的应用引发了一系列关于实施细节的问题，并且目前还不清楚其中哪些可能是最适用于与土地利用有关的行人尺度。此外，很难在不求助于底层算法和计算工作流程的情况下直接评估类似的不同方法。为此，cityseer-api Python包在这里用于开发，计算和比较一系列中心性方法，然后将其应用于大伦敦的Orlando Survey Open Roads数据集。中心性与高分辨率的土地使用和混合使用的措施计算从Orlando调查点的兴趣数据集相同的分析点，使用空间精确的方法，网络距离的前提位置。比较结果表明，混合使用的相关性更强的接近比介中心;分段措施往往提供略强的相关性比基于节点的等价物;加权变量提供类似于未加权版本的相关性，但具有更大程度的空间特异性;最简单路径方法在当地商业街混合用途的情况下具有优势，但不一定适用于整个地区的混合用途或土地-使用可访问性;并且将中心性度量应用于双重网络并不提供优于原始网络的切实好处。
2021-07-01 physics.soc-ph
Measuring Equality and Hierarchical Mobility on Abstract Complex Networks
网络中节点的中心性，无论如何衡量，都是该节点重要性或影响力的重要代表，节点中心性的差异产生了层次结构和不平等。如果网络随时间演化，每个节点的影响也会随时间变化，相应的层次结构也会相应地修改。然而，仍然缺乏系统的研究，在一个节点的中心性演变的方式时，一个图的变化。在本文中，我们介绍了一个分类的平等和分层移动性的网络中，随着时间的推移的度量。我们提出了一个指标的基础上，从经济学的经典基尼系数的平等性，我们量化的层次移动性的节点，即如何以及在何种程度上的中心性的节点和它的邻居随着时间的推移而改变。这些措施适用于从不同领域的30个时间演变的网络数据集的语料库。我们表明，建议的分类措施可以区分不同领域的网络。我们还研究了不同分类方法之间的相关性，并证明其中一些方法在整个语料库中具有一致的强相关性（或反相关性）。这里开发的流动性和平等的措施构成了一个有用的工具箱，用于调查网络演变的性质，也用于区分不同的人工模型假设来解释这种演变。
2022-05-27 cs.SI physics.soc-ph
Centrality Metric for Dynamic Networks
中心性是网络分析中的一个重要概念，用于衡量网络结构对网络中节点重要性的贡献程度。虽然存在许多不同的中心性度量，但大多数都适用于静态网络。另一方面，大多数网络本质上是动态的，随着时间的推移，通过添加或删除节点和边而不断发展。分析这种网络的一种流行方法是用一个静态网络来表示它们，该静态网络聚合了在一段时间内观察到的所有边。然而，这种方法低估或高估了一些节点的中心性。我们解决这个问题，通过引入一个新的中心性度量动态网络分析。该度量利用了一种直觉，即为了使动态网络中的一个节点在一段时间内影响另一个节点，必须存在一条路径，该路径在不同时间通过中介连接源节点和目的节点。我们证明了一个例子网络，建议的度量导致一个非常不同的排名比分析一个等效的静态网络。我们使用动态中心性来研究动态引文网络，并将结果与静态网络分析的结果进行对比。
2010-06-02 cs.CY 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
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
The socialisation of the adolescent who carries out team sports: a transversal study of centrality with a social network analysis
本研究分析了235名青少年在团体运动中的体力活动、超重及社会网络中心性，发现存在显著性别差异，强调了性别和中心性在未来策略设计中的重要性。
2024-02-14 cs.CY 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
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
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
What do we learn from correlations of local and global network properties?
在复杂网络中，一个常见的任务是识别最重要或“中心”节点。有几种定义，通常称为中心性措施，这往往会导致不同的结果。在这里，我们广泛研究了四个局部和全局度量之间的相关性，即度，最短路径介数，随机游走介数和子图中心性，在不同的随机网络模型上，如Erdos-Renyi，Small-World和Barabasi-Albert，以及在不同的真实网络上，如代谢途径，社会合作和计算机网络。真实网络和模型网络之间的相关性是完全不同的，这就质疑了模型是否真的反映了现实世界的所有重要属性。
2006-07-17 cond-mat.dis-nn physics.soc-ph
Predicting Scientific Success Based on Coauthorship Networks
我们解决的问题，在多大程度上的科学文章的成功是由于社会的影响。从计算机科学领域的10万多份出版物的数据集分析，我们研究如何在合著网络的中心性不同的作者之间的高度引用的论文和那些谁没有。我们进一步表明，仅基于发表时的合著网络中心性度量的机器学习分类器能够高精度地预测一篇文章在发表后五年是否会被高度引用。通过这一点，我们提供了定量的科学出版的社会层面的见解-挑战的看法，引用作为一个客观的，社会公正的措施，科学的成功。
2014-02-28 cs.DL cs.SI physics.soc-ph
Methods and Measures for Analyzing Complex Street Networks and Urban Form
复杂系统在其动力学和结构方面已被社会科学家和自然科学家广泛研究。城市和城市规划的学者已经从定性和定量的角度将复杂性理论结合起来。从结构的角度来看，城市形态的特征可能是其流通网络的形态复杂性-特别是它们的密度，弹性，中心性和连通性。本论文在对非线性和复杂系统理论进行梳理的基础上，提出了一个城市形态和街道网络复杂性评价的框架。它引入了一个新的工具OSMnx，可以收集世界上任何地方的街道网络和其他城市形态数据，然后对其进行分析和可视化。最后，它提出了一个大型的实证研究27,000个街道网络，检查他们的度量和拓扑结构的复杂性相关的城市设计，交通研究，以及人类经验的建成环境。
2017-08-02 physics.soc-ph
Citation network centrality: a scientific awards predictor?
$K$ -指数是一种在复杂网络中容易计算的中心性指数，例如科学引文网络。如果研究者被至少有$K$引用的$K$文章引用，则其$K$指数等于$K$。与Hirsh的$h$指数相比，$K$指数有几个优点，并且在以前的研究中，它与诺贝尔奖的相关性优于{ \em Web of Science}给出的任何其他指数，包括$h$指数。与其他科学界关系密切的研究人员联系最紧密的研究人员最有可能从事重要的工作，更有可能在特定领域获得重大奖项，这是合理的。然而，发现的相关性并不意味着因果关系。在这里，我们使用$K$ -索引进行实验，产生了12个候选人的主要科学奖，包括物理学诺贝尔奖，在不久的将来。例如，我们的前12名$K$ -索引列表自然选择了2019年诺贝尔奖获得者James Peebles。该名单可以每年更新，并应与下一年的获奖者进行比较
2019-10-18 cond-mat.stat-mech cs.DL physics.data-an
Classical and quantum random-walk centrality measures in multilayer networks
多层网络分析是研究具有多样性、众多关系的实体的结构特性的有用方法。对节点和节点层元组的重要性进行分类是多层网络研究的一个重要方面。要做到这一点，通常需要计算各种中心性度量，这允许人们根据各种结构特征对节点和节点层进行排名。在本文中，我们制定占领，PageRank，介数，和封闭中心的节点占用性质的不同类型的连续时间的经典和量子随机游走多层网络。我们将我们的框架应用于各种合成和现实世界的多层网络，我们确定经典和量子中心性措施之间的显着差异。我们的计算还提供了一些基于随机行走和基于测地线路径的中心之间的相关性的见解。
2021-04-25 cond-mat.stat-mech physics.soc-ph quant-ph
Approximating nonbacktracking centrality and localization phenomena in large networks
消息传递理论已被证明是研究现实世界网络中的渗流，非复发性流行病和类似动力学过程的宝贵工具。消息传递方法的核心是非回溯矩阵，它的最大特征值、相应的特征向量和密切相关的非回溯中心性在确定给定的动力学模型的行为方面起着核心作用。在这里，我们提出了一个基于度类的方法来近似这些数量使用一个较小的矩阵相关的联合度度分布的相邻节点。我们的研究结果表明，在大多数网络中，最近邻之外的度-度相关性实际上并不强，我们的一阶描述已经得到了准确的估计，特别是当消息传递本身是对原始模型的良好近似时，也就是当网络中的短周期数量足够低时。我们发现，本地化的nonbacktracking中心也被我们的计划，特别是在大型网络。我们的方法提供了一种替代方案，在非常大的网络中，这可能是不可能的，由于内存的限制与完整的非回溯矩阵。
2021-11-24 physics.soc-ph
Empirical analysis of the worldwide maritime transportation network
在本文中，我们提出了一个实证研究的全球海上运输网络（WMN）中的节点是港口和链接的集装箱班轮连接港口。利用网络拓扑的不同表示方法，即空间$L$和$P$，研究了WMN的度分布、度相关性、权值分布、强度分布、平均最短路径长度、线长度分布和中心性度量等统计特性.我们发现WMN是一个具有幂律行为的小世界网络。基于不同的中心性度量来识别重要节点。通过分析网络的加权聚类系数和加权平均最近邻度，揭示了网络的层次结构和“富俱乐部”现象。
2008-06-12 physics.data-an physics.soc-ph
