Network Centrality Metrics Based on Unrestricted Paths, Walks and Cycles Compared to Standard Centrality Metrics
Aalto University School of Science（阿尔托大学理学院）
本文提出基于影响传播模型的入中心度和出中心度度量，通过比较节点排名和相关系数，展示了其在强调替代路径重要性方面的优势。
2026-02-06 cs.SI
Axiomatic Analysis of Medial Centrality Measures
我们进行了第一次公理化分析的中间中心性措施。这些措施，也称为介数类中心，评估节点在连接网络中其他节点方面的作用。我们专注于一个目标节点和多个源节点的设置。我们认为三个经典的内侧中心性措施，适应这种设置：介数中心性，应力中心性和随机游走介数中心性。介数和应力中心性假设网络中的信息遵循最短路径，而随机游走介数中心性假设它沿着边缘随机移动。我们开发的第一个公理化的所有三个措施的特点。我们的分析表明，随机游走介数，而概念上不同，有几个共同的性质与经典介数和应力中心。
2023-02-16 cs.SI
Maximal-entropy random walk unifies centrality measures
在本文中，不同的相似性矩阵之间的类比。这些矩阵，连接到路径枚举和随机游动，用于社区检测方法或计算复杂网络的中心性措施。重点是一些已知的中心性措施，继承了相似性矩阵建立的连接。这些措施是基于主特征向量的邻接矩阵，路径枚举，以及对平稳状态，随机矩阵或平均首次通过时间的随机游动。特别注意的是最大熵随机游走，这是一个非常独特的替代普通的随机游走在网络分析中使用。各种重要性的措施，定义与使用普通的随机游走和最大熵随机游走，数值上的一组基准图进行比较。结果表明，定义为两个随机游动的中心性措施组聚类成两个独立的家庭。特别是，最大熵随机游走的中心群，连接到特征向量中心和路径枚举，是强烈不同于所有其他措施，并产生很大程度上等效的结果。
2012-08-30 cond-mat.dis-nn cond-mat.stat-mech cs.SI
Subgraph centrality and walk-regularity
基于矩阵的中心性度量在网络分析中非常受欢迎，这在很大程度上是因为我们能够严格分析它们在参数变化时的行为。最近的工作已经考虑了子图中心性，这是使用矩阵指数$f(x) = \exp(x)$定义，和网络的行走结构之间的关系。在一个游走正则图中，每个长度的闭游走的数量对于所有节点都必须是相同的，这意味着对于任何$f$（或最大$f$ - $\textit{walk entropy}$）都有均匀的$f$ -子图中心性。我们考虑当非行走正则图可以达到最大熵，调用这样的图$\textit{entropic}$。对于参数化的测度，我们还关心参数的哪些值证明了这种一致性。到目前为止，只有一个熵图已被确定，只有两个见证参数值，提出了有多少这样的图形和参数存在的问题。我们解决这些问题，通过构建熵图的无限家庭，以及家庭的见证参数的极限点为零。
2019-02-04 cs.SI physics.soc-ph
Detecting communities via edge Random Walk Centrality
本文提出基于边随机游走中心性(RWC)的社区检测新方法，通过线图将节点中心性转化为边中心性，无需逐步重算，在标准网络测试及Indian Railway网络鲁棒性分析中验证了有效性。
2023-09-11 cs.SI physics.soc-ph
Random Walk Laplacian and Network Centrality Measures
Univ. of Minnesota（明尼苏达大学）；Columbia Univ.（哥伦比亚大学）
本文提出利用随机游走拉普拉斯算子的伪逆快速计算节点的平均访问次数及多种中心性度量，适用于一般网络及避免特定子集节点的情况。
2018-08-08 cs.NA cs.SI math.NA
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
Temporal Betweenness Centrality on Shortest Walks Variants
本文研究时间图上被动与主动最短路径变体的介数中心性，提出改进算法将被动路径复杂度降至O(n m T + n^2 T)，主动路径为O(n m T + n^2 T^2)，实验表明仅看前10%时间交互可近似排名。
2024-02-12 cs.DS cs.SI
Updating Katz centrality by counting walks
本文提出简单图中节点与边移除后Katz中心性的高效更新策略，基于$\cF$-avoiding first-passage walks概念推导游走损失显式公式以指导算法，并给出总网络可通信性变化界限，经合成与真实网络实验验证。
2025-05-01 cs.NA cs.SI math.NA
Random walk centrality for temporal networks
节点可以根据其在网络中的相对重要性进行排名。基于随机游走的排名算法特别有用，因为它们连接了网络的拓扑和扩散特性。先前基于随机游走的方法，例如PageRank，专注于静态结构。然而，一些现实的网络确实是动态的，这意味着它们的结构会随着时间的推移而变化。在本文中，我们提出了一个基于随机游动的时间网络的中心性度量，我们称之为TempoRank。在静态网络中，随机游动的稳态密度与节点的度或强度成正比，而在时态网络中，随机游动的稳态密度与有效网络的内强度成正比。固定密度还取决于逗留概率q，它调节步行者留在节点中的趋势。我们将我们的方法应用于人类的交互网络，并表明，虽然它是重要的一个节点连接到另一个节点与许多随机游走在正确的时刻（PageRank的原则之一），这种效果是可以忽略不计的，在实践中，当链接激活的时间顺序。
2014-01-22 cs.SI physics.soc-ph
A Theory for Backtrack-Downweighted Walks
我们开发了一个完整的理论组合的步行计数的情况下，每个回溯步骤是由一个给定的因素。通过推导相关的生成函数的表达式，我们也得到了线性系统计算中心性措施，在此设置。特别是，我们表明，回溯向下加权卡茨式网络中心可以计算在相同的成本标准卡茨。研究这种中心性措施在其收敛半径的限制，也导致了一个新的表达式回溯向下加权特征向量中心性，推广以前的工作的情况下，有向边缘存在。新的理论使我们能够结合标准和非回溯情况下的优势，避免本地化，同时占树状结构。我们说明了行为的回溯向下加权的中心性措施的合成和真实的网络。
2020-12-05 cs.NA cs.SI math.NA
Separating temporal and topological effects in walk-based network centrality
最近引入的动态可通信性的概念是一个有价值的工具，在时间网络中的节点的重要性排名。两个指标，广播得分和接收得分，被引入到衡量一个节点的中心性相对于一个模型的传染基于时间尊重散步。本文探讨了时间和结构因素影响这些指标，考虑一个通用的随机时间网络模型。我们分析得出公式，以准确地预测预期的广播和接收分数时，一个或多个列的时间边列表被打乱。然后将这些方法应用于两个公开的数据集，我们量化了每个人的中心性取决于结构或时间的影响。从我们的分析中，我们突出了两个实际的贡献：一种方法来控制时间变化时，计算动态可通信性，以及广播和接收分数的结论，可以在一定范围内的情况下，被取代的加权邻接矩阵的矩阵指数的行和列的总和的数据。
2016-09-28 cs.SI physics.soc-ph
Rethinking Centrality: The Role of Dynamical Processes in Social Network Analysis
在社会网络分析中使用的许多流行的测量方法，包括中心性，都是基于随机游走的。随机游走是一个随机过程的模型，其中一个节点每次与另一个节点交互。然而，随机游走可能不适合于建模社会现象，包括流行病和信息扩散，其中一个节点可能同时与许多其他节点交互，例如，通过向其邻居广播病毒或信息。为了产生有意义的结果，社会网络分析算法必须考虑节点之间的交互性质。在本文中，我们将动态过程分为保守和非保守，并将它们与网络分析中使用的著名中心性度量：PageRank和Alpha-Centrality。我们证明，通过对用于广播信息的在线社交网络中的用户进行排名，非保守的阿尔法中心性通常会导致比保守的PageRank更好地与经验排名方案达成一致。
2014-03-27 cs.SI physics.soc-ph
Closeness Centrality via the Condorcet Principle
University of Warsaw（华沙大学）
我们发现了一个新的关系之间的紧密中心性和孔多塞原则。我们将图中的孔多塞获胜者定义为与任何其他节点相比更接近更多节点的节点。换句话说，如果我们假设节点投票给一个更接近的候选人，孔多塞获胜者将赢得两个候选人的选举，反对任何其他节点的多数票。我们证明了紧密中心性及其随机游走版本，随机游走紧密中心性，是唯一经典的中心性测度，在树上是孔多塞一致的，即，如果孔多塞冠军存在，他们排名第一。虽然他们不是孔多塞一致的一般图，我们表明，接近中心性满足孔多塞比较属性，即在两个相邻的节点，一个更喜欢的节点具有较高的中心性。我们表明，亲密中心性是唯一的定期距离为基础的中心性这样的属性。
2021-12-01 cs.AI cs.SI
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
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
Accelerating Spanning-Centrality Approximation with Sampling-Aware Vectorized Random Walks
Faculty of Engineering and Natural Sciences, Sabancı University（萨班哲大学工程与自然科学学院）
针对全边生成树中心性精确计算复杂度高、现有近似算法计算量大的问题，提出基于哈希的采样方法与向量化算法，将随机游走聚类为Bouquets，结合TGT+算法与16线程并行实现超百倍加速。
2026-10-20 cs.DC cs.PF cs.SI
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
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
An adaptation of InfoMap to absorbing random walks using absorption-scaled graphs
受疾病传播动态启发，本文通过吸收缩放图和 Markov 时间扫描将 InfoMap 适配于吸收随机游走，证明该方法能揭示异质节点吸收率对网络社区结构及 SIR 动态的重要影响。
2024-04-23 cs.LG cs.SI math.PR
New results and open problems on subgraph centrality
Scuola Normale Superiore（比萨高等师范学院）
本文针对子图中心性及其他基于图游走的节点中心性度量，呈现了若干新结果与一系列开放问题，该度量是网络分析中广泛应用的中心性度量，具有多领域应用价值且关联多个数学分支。
2026-08-11 cs.SI math.CO
Classical and Quantum Random Walks to Identify Leaders in Criminal Networks
随机游动模拟了物体的随机性，是计算机科学、生物学和物理学等各个领域的关键工具。量子力学中经典随机游动的对应部分是量子游动。量子行走算法提供了一个指数加速超过经典算法。经典和量子随机游走可以应用于社会网络分析中，并且可以用于根据单层和多层网络上的节点占用来定义特定的中心性度量。在本文中，我们应用这些新的中心性措施，以三个真正的犯罪网络来自一个名为蒙塔格纳的反黑手党行动和一个多层网络，从他们派生。我们的目的是（i）确定领导者在我们的犯罪网络，（ii）研究这些中心和程度之间的依赖关系，（iii）比较所获得的结果，真正的多层犯罪网络与合成的多层网络，复制其结构。
2022-09-05 cs.SI physics.soc-ph
Random-walk Based Generative Model for Classifying Document Networks
文档网络存在于真实世界数据的各种集合中，例如引用网络、超链接网页和在线社交网络。已经提出了大量的生成模型，因为它们为分析文档网络提供了直观和有用的图片。突出的例子是关系主题模型，其中文档根据其主题相似性进行链接。然而，现有的生成模型没有充分利用网络结构，因为它们在很大程度上依赖于文档的主题建模。特别是，在以前的模型的生成过程中，图节点的中心性缺失。在本文中，我们提出了一种新的生成模型的文件网络，通过引入网络上的随机游走节点的中心性集成到链接生成过程。在半监督分类任务与现实世界的引文网络中评估所开发的方法。我们表明，该模型优于现有的概率方法，特别是在连接网络中的社区检测。
2020-01-21 cs.IR cs.SI physics.soc-ph
Centrality Measures in Networks
我们发现，突出的中心性措施在网络分析中都是基于可加性分离和线性处理的统计数据，捕捉一个节点在网络中的位置。这使我们能够提供一种中心性度量的分类，将它们提炼为两个维度上的变化：（i）它们使用关于节点位置的哪些信息，以及（ii）这些信息如何作为与所讨论节点的距离的函数进行加权。通常使用的关于节点位置的三种信息-我们称之为“节点统计”-是从给定节点到其他节点的路径，从给定节点到其他节点的步行，以及包括给定节点的其他节点之间的测地线。使用这样的统计节点的位置，我们还描述了树的类型，使中心性措施都同意，我们还讨论了一些基于路径的中心性措施，确定的属性。
2021-01-22 cs.SI physics.soc-ph
LayerPlexRank: Exploring Node Centrality and Layer Influence through Algebraic Connectivity in Multiplex Networks
本文提出LayerPlexRank算法，利用代数连通性指标和随机游走在多层网络中同时评估节点中心性与层影响力，有效捕捉跨层结构变化以增强排序鲁棒性，理论分析与真实数据集验证证实了其优越性。
2025-01-29 cs.IR cs.NI cs.SI
Two betweenness centrality measures based on Randomized Shortest Paths
本文介绍了两种基于随机最短路径（RSP）框架的密切相关的新介数中心性度量，它们填补了基于最短路径的传统网络中心性度量与考虑随机游走或当前流的最新方法之间的空白。该框架定义了网络路径上的玻尔兹曼概率分布，其重点是最短路径，但也考虑了取决于逆温度参数的较长路径。RSP以前已被证明在定义网络上的距离测量方面是有用的。在这项工作中，我们研究他们的效用在量化的网络节点的重要性。建议的RSP介数中心相结合，以最佳的方式，使用最短和纯随机路径的想法来分析网络节点的角色，避免涉及这两种范式的问题。我们提出了这些措施的衍生物，以及它们如何可以计算在一个有效的方式。此外，我们用真实世界的例子展示了RSP介数中心在识别网络中更传统的方法可能无法注意到的有趣节点方面的潜力。
2016-02-02 cs.DS cs.SI physics.soc-ph
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
Ranking the spreading influence of nodes in complex networks based on mixing degree centrality and local structure
网络的安全性和健壮性已经引起了各界人士的关注，几个关键节点的损坏将导致极其严重的后果。提出了一种基于节点自身H指数和相邻节点相对距离的聚类H指数混合中心度算法。从节点本身出发，结合节点周围的拓扑结构，确定节点的重要性及其传播能力。为了评估该方法的性能，我们使用易感-感染-扩散（SIR）模型，单调性和分辨率作为实验的评价标准。在人工网络和真实网络中的实验结果表明，CHM中心性在识别节点重要性及其传播能力方面具有良好的性能。
2020-03-07 cs.SI physics.soc-ph
A Markov chain model for the search time for max degree nodes in a graph using a biased random walk
我们考虑的问题估计的预期时间找到一个最大程度的节点上使用（参数化）有偏随机游走的图。对于独立图，正度相关性充当局部梯度，对于该局部梯度，偏向于选择更高度的邻居将平均减少搜索时间。不幸的是，虽然图上的预期吸收时间可以用吸收马尔可夫链的理论写下来，但计算这个时间对于大型图是不可行的。有了这个动机，我们构建了一个吸收马尔可夫链，每个度的图的状态，并观察到计算预期的吸收时间现在是计算上可行的。我们的论文发现了以下初步结果：i）存在所提出的马尔可夫模型能够捕获吸收时间的图和所述模型不能捕获吸收时间的图，ii）存在随机采样优于有偏随机游走的图和有偏随机游走优于有偏随机游走的图，以及iii）随机游走的最佳偏置参数依赖于图，并研究了图的可拓性的依赖性。
2016-02-25 cs.DM cs.SI physics.soc-ph
Map Equation Centrality: Community-aware Centrality based on the Map Equation
为了衡量节点的重要性，网络科学家使用中心性分数，通常从微观或宏观的角度，依赖于节点特征或全局网络结构。然而，传统的中心性度量，如度中心性，介数中心性或PageRank，忽略了现实世界中的社区结构。为了从中观的角度研究基于网络流量的节点重要性，我们解析地推导出一个基于网络流量的社区感知信息理论中心性得分和映射方程背后的编码原则：映射方程中心性。地图方程中心性测量我们可以通过不对到相应节点的随机步行器转换进行编码，使用自适应编码方案并从基于网络流的角度确定节点重要性来进一步压缩网络的模块化描述。信息理论中心性度量可以单独从节点的本地网络上下文确定，因为编码方案的改变仅影响同一模块中的其他节点。地图方程中心性对所选择的网络流模型是不可知的，并允许研究人员选择最能反映所研究过程动态的模型。应用于合成网络，我们强调我们的方法如何使节点之间的更细粒度的区别比节点本地或网络全球的措施。预测有影响力的节点在现实世界的网络上的两个不同的动态过程与传统的和其他社区意识的中心性措施，我们发现，激活节点的基础上地图方程中心性分数往往会创建一个线性阈值模型中最大的级联。
2022-08-17 cs.SI physics.soc-ph
Non-Conservative Diffusion and its Application to Social Network Analysis
随机游走是网络动态过程建模的基础。基于随机游走的搜索算法已经在从图像处理到网页排序的许多应用中得到了应用。然而，随机游走对于社交网络的建模和分析有多合适呢？我们认为，与随机游走不同，它保存了在网络上扩散的数量，许多有趣的社会现象，如信息或疾病在社交网络上的传播，从根本上讲是非保守的。当一个人用病毒感染她的邻居时，感染的总量会增加。我们将扩散过程分为保守和非保守两类，并展示了这些差异如何影响用于网络分析的指标的选择，以及我们对网络结构和行为的理解。我们表明，阿尔法中心，数学上描述非保守扩散，导致新的见解网络上的传播过程的行为。给出了一个计算大型图的α中心度的可扩展近似算法。我们验证我们的方法在现实世界的在线社交网络的Digg。我们发现，一个非保守的度量，如阿尔法中心，产生更好的协议与经验措施的影响比保守的度量，如PageRank。我们希望我们的调查将激发进一步探索领域的保守和非保守的度量在社会网络分析。
2011-09-07 cs.SI physics.data-an physics.soc-ph
Accounting for the Role of Long Walks on Networks via a New Matrix Function
我们引入了一个新的矩阵函数，用于研究图和现实世界的网络，基于图中节点之间的行走的双阶乘惩罚。这种新的矩阵函数是基于矩阵误差函数的。我们发现一个很好的近似这个功能使用矩阵双曲正切函数。基于这个新的矩阵函数，我们导出了一个可通性函数、子图中心性和双因子Estrada指数。我们得到了图的双因子Estrada指标的上界和下界，表明它们与单因子Estrada指标的上界和下界相似。然后，我们比较这些指数与单因子的单图和现实世界的网络。我们的结论是，对于包含弦循环-孔-的网络，两种惩罚方案产生显着不同的结果。特别是，我们研究了两个系列的现实世界中的网络，代表城市街道网络，和蛋白质残基网络。我们观察到，基于这两个指数的子图中心性产生显着不同的排名的节点。使用双阶乘惩罚的步行开辟了新的可能性，研究重要的结构特性的现实世界中的网络，长步行发挥了根本性的作用，如案件的网络包含无弦周期。
2016-12-15 cs.SI math.CO physics.soc-ph
Multi-centrality Graph Spectral Decompositions and their Application to Cyber Intrusion Detection
许多现代数据集可以表示为图，因此谱分解，如图主成分分析（PCA）可能是有用的。与先前的基于单个拓扑特征的子空间投影的图分解方法不同，中心图邻接矩阵的Fiedler向量（图Laplacian），我们提出了用于图PCA和图字典学习的谱分解方法，该方法集成了多个特征，包括图行走统计，中心性度量和图到参考节点的距离。在本文中，我们提出了一种新的PCA方法，称为多中心图PCA（MC-GPCA），和一个新的字典学习方法的集成图，称为多中心图字典学习（MC-GDL），都基于多中心矩阵的谱分解。作为网络入侵检测的一个应用，MC-GPCA可以是一个有效的异常连接模式的指示器和MC-GDL可以提供攻击分类的判别依据。
2016-03-10 cs.CR cs.SI stat.ML
Sampling on networks: estimating eigenvector centrality on incomplete graphs
本文提出了一种新的抽样方法来估计不完备网络的特征向量中心性。我们的目标是估计这一全球中心性措施在处置有限的数据量。在许多现实场景中，数据汇集成本高昂，网络对于数据存储容量来说太大，或者只有部分信息可用，都是这种情况。采样算法的理论基础来自频谱近似理论的结果。在模拟数据和真实数据上进行了研究，并与传统的随机游走和均匀抽样方法进行了比较。我们表明，从这样的方法得到的近似值并不总是可靠的，我们的算法，同时保持计算的可扩展性，提高了不同的错误措施下的性能。
2019-08-01 cs.SI physics.data-an physics.soc-ph
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
Rank me thou shalln't Compare me
中心性测度被定义来量化复杂网络中节点的重要性。节点的相对重要性可以通过基于中心性值的中心性等级来衡量。在目前的工作中，我们预测的程度中心性排名的一个节点，而没有整个网络。该方法利用节点的度和一些网络参数来预测其秩。这些网络参数包括网络大小、网络的最小度、最大度和平均度。这些参数估计使用随机游走抽样技术。该方法在Barabasi-Albert网络上进行了验证。仿真结果表明，该方法能够更准确地预测度较高的节点的秩。秩预测的平均误差约为网络大小的$0.16\%$。
2016-11-27 cs.SI
Random Walk Fundamental Tensor and Its Applications to Network Analysis
我们首先提出了一个全面的审查文献中使用的各种随机游走指标，并表示它们在一个一致的框架。然后，我们引入基本张量-一个推广的著名的基本矩阵-并表明，经典的随机游走度量可以从它在一个统一的方式。我们提供了一个有用的关系的随机游走度量，是有用的和有见地的网络研究的集合。为了证明所提出的基本张量在网络分析中的有用性和有效性，我们提出了四个重要的应用：1）网络中心性度量的统一，2）（广义）网络连接点的表征，3）网络最有影响力的节点的识别，以及4）故障后网络可达性的快速计算。
2018-06-16 cs.DM cs.SI
Centrality Measures in Temporal Networks: A Critical and Comparative Survey
National Institute of Technology Hazratbal（Hazratbal国立技术学院）
本文对时间网络中心性度量展开批判性比较综述，提出功能分类法，在真实数据集上通过多维度实验评估度量，为不同场景选度量提供见解并指出未来研究方向。
2026-09-02 cs.SI
Interpolating between Random Walks and Shortest Paths: a Path Functional Approach
网络导航的一般模型必须包含一个确定性或漂移组件，鼓励代理遵循成本最低的路线，以及一个随机或扩散组件，使自由漫游。本文提出了一种热力学形式主义，涉及两个路径泛函，即一个能量泛函的漂移和熵泛函的扩散。一个可自由调节的参数，温度，仲裁之间的相互冲突的目标，最大限度地减少旅行成本和空间探索。该理论在各种图表和各种温度下进行了说明。由此产生的最佳路径，连同可能新的相关的边缘和节点中心指数，分析和数值研究。
2012-10-19 cs.SI physics.soc-ph
Random Walk with Memory on Complex Networks
研究转移概率依赖历史的复杂网络随机游走，利用吸收马尔可夫链推导出一步记忆下平均首达时间的精确表达式，并在典型网络数值实验中验证理论且揭示平稳占据概率平坦化与近最优搜索相关。
2020-08-28 cond-mat.stat-mech cs.SI physics.soc-ph
Centrality Graph Shift Operators for Graph Neural Networks
LIX, Ecole Polytechnique（巴黎综合理工学院LIX实验室）；IP Paris（巴黎理工学院）；University Paris-Saclay（巴黎萨克雷大学）；CentraleSupélec（中央高等电力学院）；Inria（法国国家信息与自动化研究所）
本研究提出中心性图移位算子（CGSOs），用全局中心性度量归一化邻接矩阵，研究其谱性质，并证明在谱聚类及图神经网络（如GCN和GAT）中性能优越。
2024-11-07 cs.LG cs.SI math.SP
