Measuring Node Contribution to Community Structure with Modularity Vitality
社区感知中心性是网络科学中的一个新兴研究领域，关注节点对社区结构的重要性。测度是网络结构和给定分区的函数。以前的方法扩展了经典的中心性措施，占社区结构与社区发现理论的联系不大。相比之下，我们提出了集群质量的活力措施，即，模块化活力，这是一个社区意识的衡量标准，它充分基于中心性和社区发现理论。模块化活力量化了节点对社区结构的积极和消极贡献，表明节点作为社区桥梁或枢纽的作用。我们推导出一个计算效率高的方法，计算模块化生命力的所有节点在O（M + NC）的时间，其中C是社区的数量。我们通过移除中心节点来系统地分割网络，并发现模块化活力始终优于现有的社区感知中心性措施。在百万节点的基础设施网络上，模块化活力的效率是次优方法的8倍以上。这一结果并不适用于社交媒体通信网络，社交媒体通信网络对所有社区感知中心攻击都表现出极强的鲁棒性。这种稳健性表明，以用户为基础的干预措施，以减轻错误信息的传播将是无效的。最后，我们证明了模块化的生命力提供了一种新的方法来社区欺骗。
2021-01-07 cs.SI
A Faster Method to Estimate Closeness Centrality Ranking
接近中心性是衡量节点在给定网络中的中心程度的一种方法。接近中心性度量根据每个节点对整个网络的可访问性为每个节点分配中心性值。在现实生活中的应用中，我们主要感兴趣的是根据节点的中心性值对节点进行排名。经典的计算节点秩的方法是先计算所有节点的接近中心度，然后比较它们来得到它的秩。其时间复杂度为$O(n \cdot m + n)$，其中$n$表示节点总数，$m$表示网络中的边总数。在目前的工作中，我们提出了一种探试法来快速估计一个节点的贴近度排名在$O(α\cdot m)$的时间复杂度，其中$α= 3$。我们还提出了一个扩展的改进方法，使用均匀采样技术。该方法更好地估计秩，并且具有时间复杂度$O(α\cdot m)$，其中$α\approx 10-100$。这是对经典中心性排序方法的一个很好的改进。在真实世界的无标度社交网络上，使用绝对误差函数和加权误差函数验证了所提出方法的有效性。
2017-06-07 cs.SI physics.soc-ph
Generalization of Effective Conductance Centrality for Egonetworks
我们研究了流行的中心性度量，称为有效电导，或在某些圈子中称为信息中心性。这是无向网络的中心性的重要概念，具有许多应用，例如，随机游动，电阻网络，传染病传播，等等。在本文中，我们首先重新解释这个措施的模（能量）的家庭的网络上行走。这种模中心性度量与简单无向网络上的有效电导度量一致，并将其扩展到更一般的情况，例如，网络也是如此。其次，我们研究了一个变化的自我中心的网络范式，这种模数的方法。Egonetworks是围绕一个焦点节点（ego）形成的网络，具有特定的邻域顺序。我们提出了有效的分析和近似方法计算这些措施的无向和有向网络。最后，我们描述了一个简单的方法启发的模的观点，称为壳度，这被证明是一个有用的工具，网络科学。
2018-07-26 cs.DS cs.SI physics.data-an
Vertex distinction with subgraph centrality: a proof of Estrada's conjecture and some generalizations
中心性度量在网络科学中用于识别图上传输信息和动态的最重要顶点。Estrada及其合作者提出的这些度量之一是$β$ -子图中心性，它基于矩阵$βA$的指数，其中$A$是图的邻接矩阵，$β$是实参数（“逆温度”）。证明了对于代数$β$，具有相等$β$ -子图中心度的两个顶点必然是共谱的.我们进一步证明了两个这样的顶点必须具有相同的度和特征向量中心。我们的结果解决了Estrada的一个猜想和Kloster，Král和Sullivan的一个推广.我们还讨论了我们的结果可能的扩展。
2021-06-06 cs.SI math.CO
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
Katz Centrality of Markovian Temporal Networks: Analysis and Optimization
识别复杂网络中的重要节点是网络分析中的一个基本问题。虽然已经提出了过多的措施来识别静态中的重要节点（即，时不变）网络，但是在时间网络的上下文中缺乏工具（即，其连接性随时间动态变化的网络）。本文的目的是提出一种系统理论的方法来识别时间网络中的重要节点。在这个方向上，我们首先提出了一个推广流行的Katz中心性措施的家庭的马尔可夫时间网络使用工具的马尔可夫跳跃线性系统的理论。然后，我们表明，在马尔可夫时间网络的Katz中心可以有效地使用线性规划计算。最后，我们提出了一个凸规划优化Katz中心的一个给定的节点，通过调整的时间网络的权重，在一个具有成本效益的方式。数值模拟说明了所得结果的有效性。
2016-09-19 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
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
Temporal Walk Centrality: Ranking Nodes in Evolving Networks
我们提出了时间步行中心性，它量化了一个节点的重要性，通过测量其能力，以获得和分发信息的时间网络。与广泛使用的介数中心性相反，我们假设信息不一定在最短路径上传播，而是在满足网络时间约束的时间随机游走上传播。我们发现，时间步行中心性可以识别节点发挥中心作用的传播过程中，可能无法检测到相关的介数概念和其他常见的静态和时间的中心性措施。我们提出了精确的和近似算法不同的运行时间取决于时间网络的属性和我们的新的中心性措施的参数。一个技术的贡献是一个通用的方法来提升现有的代数方法计算静态网络的时间网络中的行走。我们在真实世界的时态网络上的实验表明，我们的算法的效率和准确性。最后，我们证明了时间步行中心性的排名通常与其他最先进的时间中心性的排名显着不同。
2022-02-08 cs.DS cs.IR cs.SI
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
Power in Liquid Democracy: A Network Centrality Approach
University of Groningen（格罗宁根大学）；University of Amsterdam（阿姆斯特丹大学）；Association for Interactive Democracy（互动民主协会）；University of Warsaw（华沙大学）；University of Oxford（牛津大学）
本文针对支持传递性和可暂停委托的液体民主集体决策平台，提出基于随机游走衰减中心性的权力度量框架，还研究了其公理特性、扩展应用及代表名单选择方法。
2026-08-14 cs.GT cs.SI
Top influencers can be identified universally by combining classical centralities
University of Twente（特文特大学）
信息流、意见和流行病在结构化网络中传播。当使用单个节点中心性指标来预测哪些节点将成为大型网络中的顶级影响者或传播者时，没有一个单一的中心性具有持续良好的排名能力。我们表明，统计分类器使用两个或更多的中心作为输入，而不是一致的预测在许多不同的，静态的现实世界的拓扑结构。某些中心性对在统计上绘制顶部扩散器和其余扩散器之间的边界时合作得特别好：测量节点邻域大小的局部中心性受益于添加全局中心性，例如特征向量中心性，接近度或核心数。直观地说，这是因为局部中心性可能会对位于网络密集但外围区域的一些节点进行高度排名-在这种情况下，额外的全局中心性指标可以通过优先考虑位于更中心的节点来提供帮助。被选为超级传播者的节点通常会联合最大化两个中心的值。由于中心性指标之间的相互作用，在本研究中，使用七个经典指标训练分类器在整个网络中产生了几乎最大的平均精度函数（0.995）。
2020-08-04 cs.LG cs.SI
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
Measuring and Maximizing Influence via Random Walk in Social Activity Networks
随着OSN的普及，找到一组最有影响力的用户（或节点），以触发最大的影响力级联具有重要意义。例如，公司可以利用“口碑”效应，通过向那些最有影响力的用户提供免费样品/折扣来引发大量购买。这一任务通常被建模为一个影响力最大化问题，在过去的十年里，它已经得到了广泛的研究。然而，考虑到OSN中的用户可以参与各种在线活动，例如，对产品进行评级，加入讨论组等，通过在线活动传播影响力变得更加重要。在本文中，我们研究的影响，在线活动制定的影响力最大化问题的社会活动网络（SAN）包含用户和在线活动。为了解决计算的挑战，我们定义了一个影响力中心通过随机游走来衡量影响力，然后使用蒙特卡罗框架来有效地估计在SAN的中心。此外，我们开发了一个基于贪婪的算法，两个新的优化技术，以找到最有影响力的用户。通过对真实世界的数据集进行广泛的实验，我们表明，当我们需要处理大量的在线活动时，我们的方法比最先进的算法IMM[17]更有效。
2017-01-09 cs.SI
Network Members Can Hide from Group Centrality Measures
该研究针对节点躲避群体中心性度量的问题，分析四种群体中心性度量的躲避复杂度，实证表明度群体中心性的最优隐藏策略对其他度量同样有效，且仅靠局部拓扑信息即可实现隐藏。
2023-12-15 cs.SI
Eigenvector-Based Centrality Measures for Temporal Networks
许多中心性测度被用来量化时间无关网络中节点的重要性，其中许多测度可以表示为某个矩阵的首特征向量。随着随时间变化的网络数据的可用性越来越高，重要的是将这种基于特征向量的中心性度量扩展到时间依赖的网络。在本文中，我们介绍了一个原则性的推广网络中心性措施，是有效的任何特征向量为基础的中心。我们将一个具有N个节点的时间网络看作是一系列T层，这些层在不同的时间窗口内描述网络，我们将这些层的中心性矩阵耦合到一个大小为NTxNT的超中心性矩阵中，该矩阵的主特征向量给出了每个节点i在每个时间t的中心性。我们将该特征向量及其分量称为联合中心性，因为它反映了节点i和时间层t的重要性。我们还介绍了边际和条件中心的概念，这有利于随着时间的推移中心轨迹的研究。我们发现，层之间的耦合强度是重要的，以确定多尺度性能的中心，如本地化现象和时间尺度的中心变化。在强耦合制度，我们推导出的时间平均的中心，这是由零阶项的奇异摄动展开的表达式。我们还研究了一阶项，以获得一阶移动分数，它简洁地描述了节点的中心性随时间变化的幅度。作为例子，我们将我们的方法应用于三个经验时间网络：美国博士。数学交流，好莱坞黄金时代顶级演员之间的关系，以及美国最高法院判决的引用。
2016-09-21 cs.SI nlin.AO physics.data-an
Measuring user influence on Twitter: A survey
中心性是社会网络分析中研究最多的概念之一。有大量的文献关于中心性措施，作为识别社交网络中最相关用户的方法。挑战是找到可以有效计算的度量，并且能够根据尽可能接近现实的相关性标准对用户进行分类。我们在Twitter网络的背景下解决这个问题，Twitter网络是一个在线社交网络服务，拥有数百万用户，每天通过用户之间的互动发布和传播的消息流令人印象深刻。Twitter有不同类型的用户，但最大的效用在于找到最有影响力的用户。本文的目的是收集和分类不同的Twitter影响力的措施，存在到目前为止，在文献中。这些措施多种多样。有些基于Twitter API提供的简单指标，而另一些则基于复杂的数学模型。一些措施是基于PageRank算法，传统上用于排名的网站在互联网上。有些人考虑出版的时间轴，有些人考虑信息的内容，有些人关注特定的主题，还有一些人试图做出预测。我们考虑所有这些方面，以及一些其他方面。此外，我们还包括活动和流行度的措施，传统的机制，以相关的措施，和一些重要方面的计算复杂性，为这个特定的背景。
2016-04-24 cs.SI
A Systematic Framework and Characterization of Influence-Based Network Centrality
在本文中，我们提出了一个框架，用于研究以下基本问题，在网络分析：应该如何评估的中心节点的信息/影响力传播过程中的社会网络？我们的框架系统地扩展了一个家庭的经典图论中心性配方，包括度中心性，谐波中心性，和他们的“影响范围”的概括，以影响为基础的网络中心性。我们进一步扩展自然组中心图模型的影响力模型，因为组合作是必不可少的社会影响。这反过来又使我们能够通过应用合作博弈论中的Shapley值概念来评估个体在群体影响力环境中的中心性。在数学上，使用这些中心性公式是贝叶斯的属性，我们证明了以下特征定理：在这个家庭中的每个基于影响的中心性公式是唯一的贝叶斯中心性，符合其相应的图论中心性公式。此外，该唯一性完全由分层图类的中心性公式确定，该公式来自于级联序列建模的影响实例的美丽代数结构。我们的主要数学结果，分层图实际上形成的影响级联序列配置文件的空间的基础上，也可以在网络影响的其他研究是有用的。我们进一步提供了一个算法框架，这些影响为基础的中心性措施的有效近似。我们的研究提供了一个系统的路线图不同的影响为基础的中心性配方的比较分析，以及转移图论的概念，影响模型。
2018-10-23 cs.DS cs.SI
Extracting Information from Multiplex Networks
多路复用网络是一种广义网络结构，它能够描述由具有不同内涵的链路连接的同一组节点的网络。多重网络无处不在，因为它们也描述了社会，金融，工程和生物网络。将我们分析复杂网络的能力扩展到多重网络结构，可以大大提高从大数据中提取信息的水平。因此，刻画多路网络中节点的中心性，寻找新的方法来解决多路网络中的推理问题，是网络科学的基本问题。在本文中，我们讨论的相关性的多路复用PageRank算法测量多层网络中的节点的中心性，我们最近推出的指标函数$\widetildeΘ^{S}$描述他们的中尺度组织和社区结构的特点的效用。作为研究这些措施的工作示例，我们考虑了三个用于社会科学的多重网络数据集。
2016-05-16 cs.SI physics.soc-ph
Measuring information exchange and brokerage capacity of healthcare teams
目的：本文的目的是探讨可能影响医疗团队绩效的因素，通过关注医院内部和跨医院边界的信息交流。设计/方法/办法：通过网络调查和小组访谈，作者收集了美国一家大型儿童医院内参与系统重新设计计划的四个跨学科医疗团队的31名成员的通信网络数据。作者根据管理咨询、技术支持和部门内部及部门之间的知识传播，绘制了他们的内部和外部社交网络，研究了涉及700多个行为者的互动模式。然后，作者比较了团队绩效和社会网络指标，如度，接近度和中间中心性，并计算了每个团队的交叉关系和约束水平。结果：结果表明，高效率的团队更内向，更少连接到外部成员。此外，高度认可的团队经常沟通，但总体而言，不如其他团队那么激烈。创意/价值：绘制知识流图，平衡跨学科团队的内部重点和外部连通性，可以帮助医疗保健决策者为患者、家庭和员工实现高价值。
2021-05-26 cs.SI physics.soc-ph
Measuring Road Network Topology Vulnerability by Ricci Curvature
描述道路网络系统的鲁棒性、脆弱性和可靠性等基本特性一直是城市交通领域的重要研究课题。目前的研究主要是利用复杂网络的几个统计指标来分析道路网络系统。然而，这些方法基本上是基于节点的。这些基于节点的方法更多地关注节点之间的连接数量，而缺乏对交互的考虑。因此，这导致了众所周知的节点悖论问题，并且它们表征网络的局部和内在属性的能力很弱。从路网内在几何的角度出发，提出了一种基于离散Ricci曲率的路网脆弱性度量方法，该方法能够识别路网中的关键路段并指示其脆弱单元。结果表明，我们的方法比复杂的网络统计测量道路网络的脆弱性。此外，它可以通过我们的方法来表征道路网络脆弱性在同一城市的不同时间段之间的演变。最后，我们比较了我们的方法与以前的中心性方法，并显示它们之间的差异。本文从几何学的角度分析了道路网络的脆弱性，从一个新的角度描述了道路系统脆弱性的内在本质。这也有助于丰富复杂道路网络的分析方法。
2019-04-10 cs.SI physics.soc-ph
Generalizing Perron--Frobenius theory and eigenvector-based centralities to networks with complex edge weights
Center for Systems Biology Dresden（德累斯顿系统生物学中心）；Max Planck Institute for the Physics of Complex Systems（马克斯·普朗克复杂系统物理研究所）；Max-Planck Institute of Molecular Cell Biology and Genetics（马克斯·普朗克分子细胞生物学与遗传学研究所）；TU Dresden（德累斯顿工业大学）；University of California, Los Angeles（加州大学洛杉矶分校）；Sante Fe Institute（圣塔菲研究所）；Frankfurt School of Finance and Management（法兰克福金融管理学院）；University of Florida（佛罗里达大学）
本文将Perron-Frobenius定理推广到复数权重矩阵，建立不同推广之间的联系，并提出基于特征向量的中心性度量以分析复数边权重网络中的节点重要性。
2026-06-11 cs.SI math-ph math.MP
Measuring ESG Risk in Supply Networks
University of Exeter（埃克塞特大学）；Universidade de Aveiro（阿威罗大学）
本文提出一种改进的测量框架，用于评估供应链中与低评级公司交易对公司ESG评级的影响，以减少绿色洗冤风险。
2026-03-19 cs.SI
Supracentrality Analysis of Temporal Networks with Directed Interlayer Coupling
我们描述的时间网络中的中心性使用超中心性框架来研究中心性轨迹，其特征在于节点的重要性如何随时间变化。我们研究了基于特征向量的中心性的超中心性概括，这是一个针对时间无关网络的中心性度量家族，包括PageRank、中心和权威分数以及特征向量中心性。我们从一系列邻接矩阵开始，每个邻接矩阵代表网络在不同时间点或时间间隔的一个时间层。将时间层上的中心性矩阵与加权的层间边缘耦合产生\emph{supracentrality matrix} $\mathbb{C}(ω)$，其中$ω$控制中心性轨迹随时间变化的程度。我们可以灵活地调整层间耦合的权重和拓扑结构，以满足不同的科学应用。$\mathbb{C}(ω)$的主特征向量的条目表示\emph{joint centralities}，其同时量化每个时间层中的每个节点的重要性。受概率论的启发，我们还计算了\emph{marginal}和\emph{conditional centralities}。我们说明了如何调整时间层之间的耦合，以调整节点的中心性轨迹受最旧和最新时间层影响的程度。我们支持我们的研究结果分析的限制，小和大$ω$。
2019-09-18 cs.NA cs.SI math.NA
Fully personalized PageRank and algebraic methods to distribute a random walker
该研究全面分析控制类PageRank随机游走者平稳分布的代数方法，扩展结构与参数控制结果，刻画控制条件并建立参数边界，研究两种PageRank推广形式的可控性及节点重要性层级影响，推进代数控制与随机动力学相互作用的理解。
2025-03-14 cs.SI math.SP physics.soc-ph
Measuring Social Influence with Networked Synthetic Control
Ho-Chun Herbert Chang（独立研究者）
针对社会影响力测量缺乏反事实对照的问题，本文结合机器学习与网络科学，分析基于合成控制的社会价值指标的理论性质，并通过仿真验证广义友谊悖论的成立，同时实现了集成模型的计算优化。
2025-05-19 cs.LG cs.SI
The dynamic importance of nodes is poorly predicted by static network features
网络科学中最核心的问题之一是：哪些节点最重要？通常这个问题是用结构属性来回答的，比如网络中的高连通性或中心性。然而，静态的结构连接性并不一定转化为动态的重要性。为了证明这一点，我们在生成的网络和一个真实世界的加权网络上模拟了动力学伊辛自旋模型。节点的动态影响是通过因果干预节点状态概率和测量对系统动态的影响来评估的。结果表明，网络中心性或连通性等结构特征实际上不能很好地预测节点对网络其余部分的动态影响。一个解决方案的形式提供了一个信息的理论措施称为集成互信息。该指标能够准确地预测动态最重要的节点（“驱动”节点）在网络中的非干预动态的观测数据的基础上。我们的结论是，网络中的驱动节点不一定是连接最好的节点或中心节点。事实上，网络结构特征与动态重要性成正比的常见假设是错误的。因此，当仅从网络数据中导出动态重要性时，应非常小心。这些结果突出了需要新的推理方法，同时考虑到结构和动力学。
2021-07-01 cs.SI physics.soc-ph
Biharmonic Distance of Graphs and its Higher-Order Variants: Theoretical Properties with Applications to Centrality and Clustering
School of Electrical Engineering and Computer Science, Oregon State University（俄勒冈州立大学电气与计算机工程学院）
本文研究图的双调和距离，证明其刻画边对全局拓扑的重要性，并提出聚类算法及 $k$-调和距离推广，实验验证其在边中心性与图聚类中的效用。
2025-02-18 cs.LG cs.SI
Higher-Order Aggregate Networks in the Analysis of Temporal Networks: Path structures and centralities
最近的研究时间网络突出了静态网络的观点，我们的理解与动态拓扑结构的复杂系统的局限性。特别是，最近的工作表明，i）在现实世界的时间网络中出现的链接的特定顺序影响因果关系结构，从而影响动力学过程的演化，ii）时间网络的高阶聚合表示可以用来分析研究这些顺序相关性对动力学过程的影响。在这篇文章中，我们分析了顺序相关性对基于路径的中心性措施在现实世界的时间网络的影响。在六个经验时间网络中分析中介性，接近性和到达中心性的时间等价物，我们首先表明，对常用的静态，时间聚集表示的分析可能会对节点的实际重要性产生误导。我们进一步研究高阶时间聚合网络，最近提出的推广常用的静态，时间聚合表示的时间网络。在这里，我们特别定义了基于路径的中心性措施的基础上二阶聚合网络，经验验证，以这种方式计算的节点中心性更好地捕捉节点的真实时间中心性比节点中心性计算的基础上常用的静态（一阶）表示。除了提供一个简单而实用的方法近似的基于路径的时间网络的中心性，我们的研究结果突出了有趣的观点，使用高阶聚合网络的时间戳网络数据的分析。
2015-08-26 cs.SI physics.soc-ph
Optimal Intervention on Weighted Networks via Edge Centrality
假设有一个传播过程，如传染病在图上传播。我们如何在传播过程中减少受影响的节点数量？这个问题出现在最近关于在移动网络上实施移动干预的研究中（Chang等人（2021））。减少未加权图上的感染的实用算法是移除具有最高边缘中心性得分的边缘（Tong等人（2012）），该边缘中心性得分是两个相邻节点的特征得分的乘积。然而，移动性网络具有加权边缘;因此，除了边缘移除之外，干预措施还将涉及边缘权重降低。受这个例子的启发，我们重新审视了通过将边权重降低到固定预算来最小化加权图上的顶部特征值的问题。我们观察到Tong et al.（2012）的边中心性得分等于$WW^{\top}$的最大特征值的梯度，其中$W$表示图的权重矩阵。然后，我们提出广义边缘中心分数的梯度的总和最大的$r$特征值的$WW^{\top}$。有了这个推广，我们设计了一个迭代算法，找到最佳的边重量减少收缩的最大$r$特征值的$WW^{\top}$在给定的边重量减少预算。我们还扩展了我们的算法和它的保证随时间变化的图形，其权重随着时间的推移而演变。我们进行了详细的实证研究，以验证我们的方法。我们的算法显着减少了感染的数量相比，现有的方法在11个加权网络。此外，我们说明了我们的算法的几个属性，包括选择秩$r$的好处，快速收敛到全局最优，和几乎线性运行时间每次迭代。
2023-03-16 cs.DS cs.SI math.OC
A Random Dot Product Model for Weighted Networks
本文提出了一个推广的随机点积模型的网络，其边的权重是从一个参数化的概率分布。我们专注于整数权重边缘的情况下，许多以前研究的模型可以恢复为这种推广的特殊情况。我们的模型还确定了一个维度-减少嵌入过程，给出了几何解释的社区结构和中心。嵌入的尺寸有后果的衍生社区结构，我们表现出的压力函数，以确定适当的尺寸。我们使用这种方法来分析来自美国参议院的合著网络和投票数据。
2016-11-08 cs.SI physics.soc-ph stat.AP
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
A series of real networks invariants
HSE University（高等经济大学）；Moscow State University（莫斯科国立大学）
本文提出了一种扩展现实网络度数和ksi中心性的方法，基于拉普拉斯矩阵提出一系列中心性指标，实网络呈现指数分布，人工网络则有不同分布。
2026-05-07 cs.SI math.CO
A Unifying Framework for Measuring Weighted Rich Clubs
网络分析可以帮助发现复杂系统组织中有意义的缺陷。其中，富人俱乐部是各种社会、技术和生物网络的重要功能属性。当节点在某种程度上突出或“丰富”（例如，高度连接）优先彼此交互。富俱乐部的识别是不平凡的，特别是在加权网络中，为此，已经提出了多个不同的度量。在这里，我们描述了一个统一的框架，检测丰富的俱乐部，直观地概括成一个单一的综合方法的各种指标。这种推广依赖于明确纳入随机控制网络的测量过程。我们将这个框架应用于现实生活中的例子，并表明，根据随机控制的选择，可以检测到不同种类的丰富的俱乐部结构，如拓扑和加权丰富的俱乐部。
2014-12-02 cs.SI physics.soc-ph
Measuring the impact of spammers on e-mail and Twitter networks
本文探讨的研究问题，如果大量的不相关或未经请求的信息-通常称为“垃圾邮件发送者”-扭曲的社交网络的网络结构。两个大型的社交网络进行了分析，第一个提取的Twitter话语的一个大的电信公司，第二个从三年的电子邮件通信的200名经理工作的一个大型跨国公司。这项工作比较了网络的鲁棒性和稳定性的中心性和互动指标，以及使用的语言，删除垃圾邮件发送者和最多和最少连接的节点。结果表明，垃圾邮件发送者并没有显着改变的信息承载网络的结构，为大多数的社会指标。作者还通过跟踪语言情感，情感和复杂性来调查电子邮件主题行和内容之间的相关性，解决出于隐私原因不允许收集电子邮件正文的情况。研究结果扩展了社交网络度量的鲁棒性和稳定性的研究，应用图简化策略。这些结果对网络分析师和那些依赖网络分析（应用于公司电子邮件和社交媒体数据）来支持其决策过程的公司经理具有实际意义。
2021-05-21 cs.CL cs.IR cs.SI
Novel Edge and Density Metrics for Link Cohesion
Johns Hopkins University Applied Physics Laboratory（约翰斯·霍普金斯大学应用物理实验室）
我们提出了一个新的度量链接凝聚力的强度，在复杂的，高度连通的图测量的边缘。链路内聚性考虑了局部小跳连接和关联节点度，并且可以用于支持边评分和图简化。我们还提出了一种新的图密度度量来估计节点间的平均凝聚力。链接凝聚力和密度的措施来证明社区发现通过图稀疏化最大化图密度。链接的凝聚力也被证明是松散相关的边缘介数中心。
2020-03-06 cs.LG cs.SI
Network compression with configuration models and the minimum description length
本文利用最小描述长度原则，在配置模型及其变体中评估网络表示的压缩质量，发现经典配置模型适合高平均度网络，而分层配置模型对稀疏网络更紧凑。
2025-01-20 cs.SI physics.soc-ph
Centralities for Networks with Consumable Resources
识别有影响力的节点是理解和控制网络中信息、流量和传播过程的重要步骤。因此，许多中心性措施已被提出，并在不同的应用程序域中使用。在许多这些措施的核心，在于一个假设，描述了交通的方式（信息，社会参与者，粒子等）。流经网络。例如，一些措施只计算最短路径，而其他措施则考虑随机行走。本文考虑了一个传播过程，其中一个必要的过境资源是部分消耗沿途，而在网络上的特殊节点重新填充。例子包括车辆的燃料消耗以及加油站，在与纠错节点的传播过程中的信息丢失，以及军队在移动时的弹药消耗。我们提出了推广的知名措施的介数，随机游走介数，和Katz中心考虑这样一个传播过程与消耗性资源。为了验证结果，在真实世界的网络上进行实验，开发基于知名的模型，如易感-感染-传播和拥塞方面的粒子跳跃从车辆流理论的模拟。基于模拟的模型被证明是高度相关的建议的中心性措施。
2019-03-02 cs.SI
