Transient Stability Assessment of Smart Power System using Complex Networks Framework
提出了一种智能电力系统稳定性评估的新方法。这种评估的关键是一个称为介数指数的指数，它是基于复杂网络理论的思想。建议介数指数是以前的作品的改进，因为它认为实际的实际功率流通过沿网络的传输线路。此外，这项工作开创了一个新的领域，复杂系统的研究，以评估电力系统的稳定性。
2011-03-17 cs.OH cs.SI physics.soc-ph
Efficient and Accurate Robustness Estimation for Large Complex Networks
鲁棒性估计对于弹性网络的设计和维护至关重要，这是21世纪的全球挑战之一。现有的研究利用网络度量生成攻击策略，模拟网络中的故意攻击，并计算度量引起的鲁棒性估计。虽然一些度量很容易计算，例如度中心性，但其他更准确的度量需要相当大的计算工作，例如节点间中心性。本文提出了一种新的算法来估计网络在次二次时间内的鲁棒性，显著快于介数中心性。在真实网络和随机网络上的实验表明，我们的算法估计网络的鲁棒性接近甚至优于介数中心性，同时速度快了几个数量级。我们的工作有助于可扩展的，但准确的方法，大型复杂网络的鲁棒性估计。
2016-08-13 cs.SI physics.soc-ph
Classifying Latent Infection States in Complex Networks
识别网络中节点感染状态的算法对于理解和遏制感染至关重要。然而，通常只有相对较小的一组节点具有已知的感染状态。此外，每个节点被感染的时间长度也是未知的。这种缺失的数据-大多数节点的感染状态和未观察到的感染节点的感染时间-对真实世界级联的研究提出了挑战。在这项工作中，我们开发的技术，以确定潜在的感染节点中存在丢失的感染时间和状态数据。基于简单的可感染流行病模型预测的可能的流行病路径，我们提出了一个度量（感染介数）来揭示这些未知的感染状态。我们使用机器学习算法的实验结果表明，感染介数是识别潜在感染节点的最有效特征。
2014-01-31 cs.SI physics.soc-ph
Shortest Paths in Complex Networks: Structure and Optimization
在复杂网络的几个拓扑性质中，最短路径代表了一个特别重要的特性，因为它不仅对其他拓扑性质有潜在的影响，而且主要是对网络上发生的几个动力学过程的影响。此外，一些实际情况，如城市交通，可以通过修改网络以减少相应的最短路径来受益。在目前的工作中，我们解决的问题，试图减少几个理论和现实世界的复杂网络的平均最短路径，根据不同的策略添加一定数量的链接。更具体地说，我们考虑了：在度相对较低和较高的节点之间放置新的链接;增强网络的度规则性;根据度优先连接;链接介数中心性相对较低和较高的节点;以及链接可访问性相对较低/较低，较低/较高和较高/较高的节点。已经获得了一些有趣的结果，包括识别的可访问性为基础的战略，提供最大的减少平均最短路径长度。另一个有趣的发现是，对于几种类型的网络，基于度的方法倾向于提供与使用计算成本更高的介数中心性测量所获得的改进相当的改进。
2020-03-26 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
A Network-Based High-Level Data Classification Algorithm Using Betweenness Centrality
FFCLRP-USP（圣保罗大学里贝朗普雷托哲学、科学和文学学院）
数据分类是一种主要的机器学习范式，已被广泛应用于解决大量的现实问题。传统的数据分类技术只考虑物理特征（例如，距离、相似性或分布）。由于这个原因，这些被称为\textit{low-level}分类。另一方面，人类（动物）大脑执行低级和高级学习，并且它具有根据输入数据的语义含义识别模式的能力。不仅考虑物理属性而且考虑图案形成的数据分类被称为\textit{high-level}分类。已经开发了几种高级分类技术，它们利用复杂网络来表征数据模式，并取得了可喜的成果。在本文中，我们提出了一个纯粹的基于网络的高层次的分类技术，使用介数中心性措施。我们在九个不同的真实数据集上测试了该模型，并将其与其他九个传统和知名的分类模型进行了比较。结果表明，我们一个称职的分类性能。
2020-09-16 cs.LG cs.SI stat.ML
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
Performance of attack strategies on modular networks
复杂网络的脆弱性由于其在现实世界中的应用，近年来已成为复杂系统研究的一个热点。大多数真实的网络往往是非常脆弱的高介数自适应攻击。然而，最近的贡献表明，互联节点在网络的完整性和模块为基础的攻击的重要性相比，传统的恶意非自适应攻击出现了有前途的。在目前的工作中，我们深入探讨了与攻击过程相关的权衡，引入了一个广义的鲁棒性措施，并提出了一个攻击性能指标，该指标既考虑了网络对攻击的鲁棒性，又考虑了获得攻击目标节点列表所需的运行时间。此外，我们引入了失活点的概念，旨在标记网络停止正常工作的点。然后，我们的经验表明，非自适应基于模块的攻击比高程度和介数自适应攻击网络定义良好的社区结构和随之而来的高模块化。
2016-08-08 cs.SI physics.soc-ph
Computing Absorbing-Frequency Centrality: Complexity, Estimators, and Scalable Algorithms for Stochastic Networks
University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
本文提出一种针对随机网络的介数中心性度量方法，通过吸收马尔可夫链模型研究不确定环境下的节点重要性，并通过蒙特卡洛模拟进行估计。
2026-08-12 cs.SI math.OC
Extremal Properties of Complex Networks
给出了连通图的最小和最大平均距离、半径、直径、介数、中心度、效率和阻力距离，并给出了它们的阶和大小。我们发现这些图的质量上的任何任意数量的节点和边缘的紧界和解析推导出这样的网络的形式和性质。
2011-04-29 cond-mat.stat-mech 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
You Shall not Pass: Avoiding Spurious Paths in Shortest-Path Based Centralities in Multidimensional Complex Networks
在复杂网络分析中，基于最短路径的中心性，如介数和贴近度，被广泛使用。最近，许多复杂系统被表示为时变、多层和时变多层网络，即多维（或高阶）网络。然而，众所周知，聚合过程可能会在这种多维（高阶）网络的聚合视图上创建虚假路径。因此，这些虚假路径可能导致基于最短路径的中心性度量产生不正确的结果，从而破坏网络中心性分析。在这种情况下，我们提出了一种方法，能够避免考虑虚假路径时，计算中心的最短路径在多维（或高阶）网络。我们的方法是基于多方面图~（MAG）来表示多维网络，我们表明，著名的中心算法可以直接适应MAG环境。此外，我们表明，通过使用这种MAG表示，陷阱通常与虚假路径在多维网络中的聚合所产生的聚合过程中，可以避免的时候。因此，基于最短路径的中心性被确保为多维网络正确计算，而不考虑可能导致不正确结果的虚假路径。我们还提出了一个案例研究，显示了虚假路径的影响，在计算最短路径，因此最短路径为基础的中心，如介数和接近度，从而说明了这一贡献的重要性。
2020-08-19 cs.SI physics.soc-ph
Efficiency of attack strategies on complex model and real-world networks
针对多个复杂模型和真实网络，研究了网络节点攻击策略的有效性。我们测试了5种攻击策略，其中3种是首次在本文中引入的，用于攻击3个模型（Erdos和Renyi，Barabasi和Albert优先连接网络和无标度网络配置模型）和3个真实网络（Gnutella对等网络，Rovira i Ravili大学的电子邮件网络和免疫球蛋白相互作用网络）。根据攻击策略定义的节点重要性标准依次删除节点。我们使用最大连通分量（LCC）的大小作为网络损坏的度量。我们发现，攻击策略的效率（对于给定的LCC大小的减少要删除的节点的分数）取决于网络的拓扑结构，虽然基于节点的连接数和介数中心性的攻击通常是最有效的策略。以介数中心度递减顺序依次删除节点是针对真实网络的最有效的攻击策略。特别是对于幂律度分布的网络，我们观察到最有效的策略在顺序删除节点的过程中发生了变化。
2013-12-11 cs.SI physics.comp-ph physics.soc-ph
Removing spurious interactions in complex networks
识别和消除复杂网络中的虚假链接对于许多实际应用来说是一个有意义的问题，对于提高网络数据的可靠性至关重要，这反过来又可以更好地理解各种社会，生物和通信系统的高度互联性。在这项工作中，我们研究了不同的简单的虚假链接消除方法的特点，揭示了他们可能会导致网络的结构和动力学性质的失真。因此，我们提出了一种结合基于相似性的索引和边缘介数中心性的混合方法。我们表明，我们的方法可以有效地消除虚假的相互作用，同时保持网络连接，并保留网络的功能。
2011-10-24 cs.SI physics.soc-ph
Network Disruption via Continuous Batch Removal: The Case of Sicilian Mafia
本文针对犯罪网络破坏问题，提出在连续批量移除中施加最大连通分量内约束，并基于西西里黑手党网络实验，开发了结构过滤的贪婪破坏策略，显著优于介数中心性方法且时间复杂度不变。
2023-10-16 cs.SI
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
Systems biology beyond degree, hubs and scale-free networks: the case for multiple metrics in complex networks
生物和其他复杂系统中网络的建模和拓扑分析，必须超越有限的考虑很少的网络度量，如度，介数或重复性。一个适当的识别信息和冗余的实体，从许多不同的指标，使用最近证明的技术，是必不可少的。只有使用这些方法，才能对网络和增长模型进行全面比较。
2012-06-03 cond-mat.stat-mech cs.SI physics.soc-ph
Complex Network Analysis of Indian Railway Zones
印度铁路网是根据直接连接两个铁路区的列车数量进行分析的。网络显示为加权图，其中权重表示区域之间的列车数量。可以指出的是，每个区域本身就是一个复杂的网络，可以描绘不同的特征。因此，带状网络可以被认为是复杂网络的网络。在本文中，自链接，在度和出度的每个区域已计算提供了信息的内部和区域间的连通性。还研究了乘客相关度，它给出了关于从特定区域始发的列车和乘客数量的想法，这可能在政策制定决策中发挥作用。为了更好地了解复杂的印度带状网络，还获得了介数、聚类系数和团数等复杂网络参数。
2020-04-08 cs.SI physics.soc-ph
An improved vulnerability index of complex networks based on fractal dimension
随着人们对网络安全的日益重视，复杂网络的脆弱性问题也越来越受到人们的关注。多尺度脆弱性评价方法由于利用了各环节介数的综合幂，对脆弱性进行了有效的评价，因而得到了广泛的应用。然而，如何确定现有多尺度评估模型中的系数来衡量不同网络的脆弱性仍然是一个悬而未决的问题。本文提出了一种基于复杂网络分形维数的改进模型，以获得更合理、更具有物理意义的脆弱性评估。该方法不仅刻画了网络的结构和基本物理特性，而且考虑了与网络脆弱性相关的网络覆盖能力。数值算例和实际应用表明了该方法的有效性。
2014-06-02 cs.SI physics.soc-ph
Modeling and Performance Studies of Data Communication Networks using Dynamic Complex Networks
所有现有的现实世界的网络都在不断发展，因此，在这些扩大的网络中的交通动力学的研究是一项具有挑战性的任务。关键问题是优化网络结构，提高网络容量，避免业务拥塞。我们感兴趣的是采取用户的路线，使其最不拥挤的最佳网络容量。通过优化网络拓扑结构和改进路由选择方法可以提高网络容量。在此背景下，我们提出并设计了一个模型的时变数据通信网络（TVCN）的基础上流入链路的动态。新出现的节点倾向于与网络中最有影响力的节点连接。在本文中，影响被称为\textit{reputation}，并适用于计算在任何节点的整体拥塞。具有最小介数中心度和最大信誉的用户路径被优先用于路由。Kelly的速率分配问题的优化公式被用来获得不同的用户在不同的时刻的最佳速率，它被发现，具有最低介数中心和最高信誉的用户的路径将总是给最大速率在稳定点。
2017-01-17 cs.NI cs.SI
Learning to Identify High Betweenness Centrality Nodes from Scratch: A Novel Graph Neural Network Approach
National University of Defense Technology（国防科技大学）；University of California, Los Angeles（加州大学洛杉矶分校）；Tsinghua University（清华大学）；University of Pennsylvania（宾夕法尼亚大学）
介数中心性（BC）是网络分析中最常用的中心性度量之一，它试图用通过它们的最短路径的比例来描述网络中节点的重要性。它是许多有价值的应用程序的关键，包括社区发现和网络拆除。由于高时间复杂度，在大型网络上计算BC分数在计算上具有挑战性。为了加快BC的估计速度，已经提出了许多近似算法，这些算法主要是基于采样的。然而，这些方法仍然倾向于在大规模网络上执行相当长的时间，并且当网络结构发生微小变化时，它们的结果往往会恶化。在本文中，我们专注于识别图中具有高BC的节点，因为许多应用场景都是建立在检索具有top-k BC的节点上的。与以往的探试法不同，我们将此任务转化为一个学习问题，并设计了一个基于编码器-解码器的框架来解决这个问题。更具体地说，编码器利用网络结构将每个节点编码到嵌入向量中，嵌入向量捕获节点的重要结构信息。解码器将每个节点的嵌入向量转换为标量，该标量捕获该节点在BC方面的相对排名。我们使用成对排序损失来训练模型，以识别节点关于其BC的顺序。通过在小规模网络上进行训练，学习的模型能够为任何看不见的网络的节点分配相对BC分数，从而识别排名高的节点。在合成网络和真实网络上进行的综合实验表明，与代表性基线相比，我们的模型大大加快了预测速度，而准确性没有明显提高，并且在几个大型真实网络上的准确性优于最先进的模型。
2019-08-29 cs.LG cs.SI stat.ML
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
Identification of highly susceptible individuals in complex networks
在传播过程中识别高易感个体对控制疫情具有重要意义。在本文中，我们探讨了易感性的人在易感染恢复（SIR）和谣言传播动力学。我们首先研究社区结构对人们易感性的影响。尽管在相同的感染率下，社区结构可以减少感染种群，但它不会确定性地影响节点的敏感性。我们发现个体的易感性对传播动力的选择是敏感的。对于SIR传播，由于敏感度与节点的影响力高度相关，因此拓扑指标k-shell可以更好地识别高度敏感的个体，优于度，介数中心性和PageRank。而在谣言传播模型中，节点的敏感性和影响力没有明显的相关性，度在所考虑的拓扑度量中表现最好。我们的发现强调了拓扑特征和传播机制在识别高度易感人群中的重要性。
2015-04-27 cs.SI physics.soc-ph
Identifying influential spreaders in complex networks based on gravity formula
如何识别社交网络中有影响力的传播者，对于加速/阻碍信息传播、增加产品曝光率、控制疾病和谣言等都至关重要。本文将每个节点的k壳值视为其质量，将两个节点之间的最短路径距离视为它们之间的距离，然后受引力公式思想的启发，本文提出了一个引力中心性指标来识别复杂网络中的有影响力的传播者。通过与度中心性、介数中心性、贴近中心性、k壳中心性等著名中心性指标的比较，表明该方法能够有效地识别真实网络和合成网络中的影响传播者.我们还使用经典的易感-感染-传染（SIR）流行病模型来验证我们的方法的良好性能。
2016-03-29 cs.SI physics.soc-ph
The Influences of Edge Asymmetry on Network Robustness
进出度分布的不对称性是现实复杂网络中普遍存在的现象。本文提出了边缘不对称的概念来量化这一特征。我们设计了一种基于EA的策略对六种真实网络进行攻击，发现它能够达到与基于边介数（EB）的攻击效果相当，优于基于边度（ED）和随机攻击策略。在模拟中，我们发现，网络的不对称性越大，基于EA的攻击策略执行得越好。根据定义，EA的计算复杂度远低于EB。因此，基于EA的攻击策略在效率上是优越的。我们用四组大规模网络验证了基于EA的攻击策略的效果。
2018-02-03 cs.SI physics.soc-ph
A stochastic block model for community detection in attributed networks
本文提出一种整合节点介数中心性和聚类系数的随机块模型BCSBM，用于属性网络社区检测，能检测多分和混合结构，实验优于五种对比算法。
2023-08-31 cs.SI stat.ML
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
Resilience of modular complex networks
复杂网络通常具有模块化结构，其中许多紧密连接的节点（模块）组具有相对较少的互连。模块化已被证明对生物网络的演变和稳定、大规模基础设施的可扩展性和效率以及经济和社会系统的发展具有重要影响。一个分析框架来理解模块化及其对网络脆弱性的影响仍然是缺失的。然而，通过对多层网络理解的最新进展，现在有可能开发一个理论框架来系统地研究这个关键问题。在这里，我们研究，分析和数值，模块化网络的弹性下的攻击互联节点，表现出高介值，往往更容易失败。我们的模型为现实世界系统中结构与功能之间的反馈提供了新的理解，因此具有重要的意义，如开发有效的免疫策略，设计强大的大规模基础设施和理解大脑功能。
2014-04-18 cs.SI physics.soc-ph
Attack Vulnerability of Complex Networks in Center-Based Strategies
中心节点对于在复杂网络中建立结构连通性至关重要。攻击这样的节点可以在复杂的系统中造成真正的破坏。我们提出了基于四种类型的中心，即介数中心，度中心，中位数和中心的攻击策略。我们研究了这些基于中心的攻击中合成网络和真实网络的脆弱性。这些攻击是节点移除攻击，涉及识别中心节点集并将其从网络中移除。我们观察到，基于重新计算的网络信息的攻击比基于初始网络信息的攻击更有效。这项工作表明，基于中值的攻击，这是一种新的策略，在现实中，以及合成网络具有高度的破坏性。
2018-12-12 cs.DM cs.SI physics.soc-ph
Tsallis entropy of complex networks
复杂网络的复杂程度吸引了许多研究者的探索，熵是描述复杂网络的$complex$程度的一种有效方法。本文提出了一种基于Tsallis熵的描述复杂网络$complex$的新方法。研究结果表明，复杂网络的复杂性不仅取决于网络的结构性质，而且还受网络中各节点之间关系的影响。也就是说，选择哪类节点作为复杂网络的主体，将影响复杂网络的熵值。利用复杂网络Tsallis熵中q的大小来决定选择哪类节点作为复杂网络的主体。提出的复杂网络Tsallis熵是描述复杂网络性质的一种广义方法。
2015-01-24 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
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
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
Centralities in Simplicial Complexes
复杂网络可以用来表示现实世界中的复杂系统。在这里，我们研究这些复杂的网络转化为单纯形复合体，其中团代表的单纯形的复杂。本文将节点中心性的概念推广到单纯中心性的概念，并研究单纯复形的度、贴近度、介数、特征向量、Katz和子图中心性的数学性质。我们研究了这些中心性在不同层次上的度分布。我们还比较和描述了不同层次的中心性之间的差异。使用这些中心性，我们研究了一种方法，用于检测PPI网络的细胞中的必需蛋白质，并解释了不同的能力的中心性措施，在不同的水平，在确定这些必需蛋白质。本文以独立的方式撰写，因此网络理论的从业者可以将其用作进一步发展的基础。
2017-09-01 cs.SI math.CO math.GN
Ranking the Importance of Nodes of Complex Networks by the Equivalence Classes Approach
识别复杂网络中节点的重要性对于社交网络、生物网络等的研究具有重要意义。目前研究者已经提出了介数、PageRank和HITS等度量方法或算法，来识别节点的重要性。然而，这些措施是基于不同方面的属性的节点，往往与其他冲突。需要一个合理、公平的标准来评价和比较这些算法。本文提出了一个框架作为标准的节点的重要性排名。提出了四种直观的节点重要性度量规则，并采用等价类方法解决冲突和聚集规则的结果。为了定量地比较算法，性能指标也提出了基于相似性度量。三个广泛使用的现实世界的网络被用作测试床。实验结果表明，该框架的可行性，并表明这两个算法，PageRank和HITS，在处理测试网络时，具有良好的偏见。此外，本文使用所提出的方法来分析互联网的结构，并得出了互联网的内核与密集的链接。
2012-11-23 cs.SI 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
Enhancing synchronization by directionality in complex networks
我们提出了一种称为剩余边缘介数梯度（REBG）的方法，通过分配链路方向，同时保持网络拓扑结构和链路权重不变，以提高网络的同步性。方向分配已被证明可以提高一般无向网络的同步性，但我们发现，在某些情况下，不可通信的组件出现和网络无法同步。我们发现REBG方法可以有效地避免同步失败（$R=λ_{2}^{r}/λ_{N}^{r}=0$）发生在剩余度梯度（RDG）方法中提出的物理。103，228702（2009）中所述。进一步的实验表明，REBG方法在具有社团结构的网络中比RDG方法提高了同步性。
2010-12-01 cond-mat.dis-nn cond-mat.stat-mech cs.SI
Defining Least Community as a Homogeneous Group in Complex Networks
本文引入了最小社区的概念，即最小社区与随机图具有相同的同质性，并从同质性或异质性的角度提出了一种新的社区发现算法。基于这一概念，我们采用头/尾休息-一个新开发的分类方案的数据与重尾分布-并依赖于边缘介数给定其重尾分布迭代划分成许多异构和同质社区的网络。令人惊讶的是，任何自组织和/或自进化的大型网络的衍生社区都表现出非常惊人的幂律，这意味着小社区远远多于大社区。这种小东西比大东西多得多的概念构成了社区检测的一种新的基本思维方式。关键词：头/尾断裂，HT指数，缩放，K均值，自然断裂和分类
2015-02-23 cs.SI nlin.AO physics.soc-ph
Correlation analysis of node and edge centrality measures in artificial complex networks
社交网络中节点的重要性通过一组称为中心性的度量来确定。度中心性、贴近度中心性、介数中心性和聚类系数是计算节点中心性最常用的度量。在某些情况下，它们的计算复杂性使得它们的计算不可行，即使实际上不是不可能的。出于这个原因，我们专注于两个替代措施，WERW-Kpath和小偷游戏，这同时是高度描述性和计算负担得起的。我们的实验表明，WERW-Kpath和小偷的游戏和经典的中心性措施之间存在很强的相关性。这可能表明，使用它们作为有用的和更经济的替代经典的中心性措施的可能性。
2021-08-05 cs.SI
Variability Analysis of Complex Networks Measures based on Stochastic Distances
复杂网络可以模拟不同类型系统的结构和动力学。它已被证明，他们的特点是一套措施。在这项工作中，我们评估的复杂网络措施面临的扰动的变化，并为此目的，我们施加控制扰动和量化其效果。我们分析了理论模型（随机，小世界和无标度）和真实网络（协作网络和代谢网络）以及最短路径长度，顶点度，局部聚类系数和介数中心性度量。在这样的分析中，我们建议使用三个随机量词：Kullback-Leibler分歧和詹森-香农和海林格距离。这些措施的灵敏度进行了分析，相对于以下扰动：边缘添加，边缘删除，边缘重新布线和节点删除，所有这些应用在不同的强度。结果表明，评估措施的影响，这些扰动。此外，进行假设检验以验证度分布的行为，以确定导致破坏此属性的扰动强度。
2014-07-29 cs.SI physics.data-an physics.soc-ph
Centrality Measures in Complex Networks: A Survey
在复杂网络中，每个节点都有一些独特的特征，这些特征根据给定的特定于应用程序的上下文来定义节点的重要性。这些特征可以使用文献中定义的各种中心性度量来识别。这些中心性度量中的一些可以使用节点的局部信息来计算，例如度中心性和半局部中心性度量。其他的研究则使用了网络的全局信息，如接近中心性、介数中心性、特征向量中心性、Katz中心性、PageRank等。在本综述中，我们讨论了这些中心性度量和最新的文献，包括将中心性度量扩展到不同类型的网络，更新动态网络中中心性值的方法，识别前k个节点的方法，近似算法，本文最后讨论了应用程序特定的中心性措施，这将有助于选择一个基于网络类型和应用程序的要求的中心性措施。
2020-11-14 cs.SI
Exploratory Factory Analysis of the Centrality Metrics for Complex Real-World Networks
本研究采用以主成分分析为第一步的两步探索性因子分析流程，对80个复杂网络数据集开展分析，旨在识别可主导表征四大中心性度量对应顶点值的隐藏因子（预期少于4个）的数量与映射关系。
2024-03-06 cs.SI
Complex networks vulnerability to module-based attacks
在多学科领域的网络科学，优化的过程，有效地打破复杂的网络是吸引了很多注意力，从实践的角度来看。在这篇文章中，我们提出了一种基于模块的方法来有效地打破复杂的网络。该过程首先确定网络可以表示的社区，然后删除节点（边），连接不同的模块，其顺序在介数中心性排名列表。我们通过将其应用于社会，基础设施和生物网络的各种众所周知的例子来说明该方法。我们表明，所提出的方法总是优于顶点（边）攻击的基础上排名的节点（边）度或中心性，与一个巨大的收益的效率为一些例子。值得注意的是，对于美国电网，本方法将4941个节点的原始网络分解为许多小于197个节点（原始大小的4%）的片段，仅删除164个节点（约3%）。相比之下，任何基于度或中心性的过程，删除相同数量的节点，仅删除原始网络的22%，即超过3800个节点继续连接
2015-02-02 cond-mat.stat-mech cs.SI physics.soc-ph
Random walk centrality in interconnected multilayer networks
针对互连多层网络中节点中心性难以定义的问题，本文基于张量形式体系扩展随机游走介数与接近中心性，并用解析结果验证数值一致性。
2015-06-23 cs.SI physics.data-an physics.soc-ph
Correlations among Game of Thieves and other centrality measures in complex networks
社会网络分析（SNA）是用来研究个人、团体或组织之间的资源交换。个体或连接在网络中的作用由一组中心性度量来描述，这是SNA最重要的结果之一。度、贴近度、介数和聚类系数是最常用的中心性度量。然而，它们的使用受到其计算成本的严重阻碍。这个问题可以通过一种叫做小偷游戏（GoT）的算法来解决。由于这个新算法，我们可以计算网络中所有元素（即顶点和边）的重要性，与顶点总数相比。这种计算不是在二次时间内完成的，就像我们使用经典方法时那样，而是在多对数时间内完成的。从这一点出发，我们提出了我们的结果之间存在的相关性GoT和最广泛使用的中心性措施。从我们的实验中发现，存在很强的相关性，这使得GoT有资格作为大规模复杂网络的中心性度量。
2020-12-23 cs.SI
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
Analysis of Coauthorship Network in Political Science using Centrality Measures
近年来，数据网络正在大规模增长，并形成了复杂的结构形状。数据科学家试图分析不同的复杂网络，并利用这些网络以有意义的方式理解网络的复杂结构。需要检测和识别这样的复杂网络，以便知道这些网络如何在使用复杂结构的同时提供通信手段。社会网络分析提供了使用图论、网络属性和社区发现算法来探索和分析这种复杂网络的方法。本文采用公共中心性测度方法，对微软学术图谱（MAG）公共关系与公共管理学科的合著网络进行了分析。作者来自世界各地的不同研究和学术机构。有凝聚力的作者群体已被确定和排名的基础上的中心性措施，如介，程度，网页排名和密切程度。实验结果表明，作者谁是好的特定领域，有很强的领域知识和保持同行之间的合作，在公共关系和公共管理领域的发现。
2019-02-12 cs.DL cs.SI
Distance entropy cartography characterises centrality in complex networks
Fondazione Bruno Kessler（布鲁诺·凯斯勒基金会）
我们引入距离熵作为一个复杂的网络中的给定节点和它的邻居之间的路径长度分布的均匀性的度量。距离熵定义了一种新的中心性度量，其性质研究了各种合成网络模型。通过耦合距离熵信息与接近中心，我们引入了一个网络制图，它允许一个单独的基础上，以减少退化的排名接近。我们将这种方法应用于经验的多元词汇网络编码的语言关系，以英语为母语的幼儿。我们发现，距离熵制图更好地预测儿童如何学习单词相比，接近中心。我们的研究结果突出了距离熵在复杂网络中从距离模式中获得洞察力的重要性。
2018-02-28 cond-mat.stat-mech cs.CL cs.SI
