A Generic Axiomatic Characterization of Centrality Measures in Social Network
中心性是复杂网络中的一个重要概念，它可以用来描述节点或边在网络中的影响力。它在包括社区发现在内的其他几种网络分析工具中起着重要的作用。尽管有少量的公理化框架与此概念相关联，现有的形式化在本质上不是通用的。在本文中，我们提出了一个通用的公理框架，以捕捉所有的内在性质的中心性措施（a.k.a.）。中心性指数）。我们分析流行的中心性措施，以及其他新的措施的中心性使用这个框架。我们观察到，没有一个中心性措施考虑满足所有的公理。
2017-03-22 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
Centrality Measures: A Tool to Identify Key Actors in Social Networks
来自多个学科的专家已经广泛使用中心性度量来分析大型和复杂的网络。这些度量通过量化节点/边的重要性的概念来对网络中的节点/边进行排名。排名有助于确定网络中的重要和关键行为者。在本章中，我们总结了一些广泛应用于挖掘社交网络数据的中心性措施。我们还讨论了与这些措施有关的各种研究方向。
2020-11-03 cs.SI
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
EMH: Extended Mixing H-index centrality for identification important users in social networks based on neighborhood diversity
社交网络的迅速扩张为用户提供了一个合适的信息传递平台。通过社交网络，我们可以在很短的时间内收获资源和分享信息。社交网络的发展给我们带来了巨大的便利。然而，组成网络的节点具有不同的传播能力，这受到许多因素的制约，而网络的拓扑结构是主要的因素。为了更准确地计算网络中节点的重要性，根据相邻节点的多样性定义了改进的H指标中心度（IH），然后利用累积中心度（MC）将所有相邻节点考虑在内，提出了扩展的混合H指标中心度（EMH）。我们评估所提出的方法的易感性-感染-扩散（SIR）模型和单调性，这是用来评估的准确性和分辨率的方法，分别。实验结果表明，该方法优于现有的识别不同网络中的节点的措施。
2020-03-07 cs.SI physics.soc-ph
Investigating Centrality Measures in Social Networks with Community Structure
中心性度量对于量化社交网络成员的影响力至关重要。虽然已经有大量的工作来处理这个问题，绝大多数经典的中心性措施是不可知的社区结构的特点，许多社交网络。最近的作品开发了社区意识的中心性措施，利用社区结构的信息在大多数现实世界中遇到的复杂网络的功能。在本文中，我们使用8个真实世界的在线网络调查5流行的经典中心性措施和5社区意识的中心性措施之间的相互作用。计算两种类型的中心性度量之间的相关性和相似性度量。结果表明，社区意识的中心性措施可以分为两组。第一组，其中包括桥接中心性，社区枢纽桥和参与系数，提供了独特的节点信息相比，经典的中心性。这种行为在整个网络中是一致的。第二组包括基于社区的调解人和邻近社区的数量，其特点是在不同网络之间有不同的结果。
2022-01-30 cs.SI
Limited Attention and Centrality in Social Networks
如何在在线社交网络中找到重要或有影响力的人？研究人员已经提出了各种中心性度量方法来识别那些经常被随机游走访问的个体，感染流行病的个体，或者从朋友那里收到很多信息的个体。最近的研究表明，社交媒体用户响应传入消息的能力受到他们有限注意力的限制，他们将注意力分散在所有传入信息上，即，他们关注的用户发送的信息。我们提出了一种新的中心性测度-Bonacich的Alpha中心性的有限注意版本-模型有限注意对流行病扩散的影响。新的度量描述了一个过程，在这个过程中，节点向它们的外邻居广播消息，但是邻居接收消息的能力取决于它们拥有的内邻居的数量。我们评估建议的措施在现实世界中的在线社交网络，并表明它可以更好地再现经验的影响力排名的用户比其他流行的中心性措施。
2013-03-18 cs.CY 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
Social Centrality using Network Hierarchy and Community Structure
已经制定了几个中心性措施，以量化社交网络中的行为者的“重要性”的概念。目前的措施审查本地或全球的节点连接，并已被发现是不够的社交网络。忽视等级制度和社区结构，这是所有人类社交网络固有的，是这种不足的主要原因。一个行动者在社区中的地位等级和嵌入性是他重要性的直观决定因素。社会资本理论认为，一个行动者的重要性来自于他在网络等级中的地位，以及通过社区内（结合）和社区间（桥接）联系调动资源的潜力。受此启发，我们提出了一个新的中心性措施SC（社会中心性）的演员在社交网络。我们的措施占- i）一个人的社会化倾向，和ii）他在社区内外的联系。这两个因素被适当地聚合以产生社会中心性分数。SC措施与经典和最近的中心性措施，使用大型公共网络的比较分析表明，它始终产生一个更现实的节点排名。推理基于每个测试网络的可用地面实况。广泛的分析排名提供的SC措施和映射与已知的事实在研究网络证明其有效性在不同的社交网络。SC措施的可扩展性评估证明其有效性，为现实世界的大型网络。
2018-06-23 cs.SI
Identifying high betweenness centrality nodes in large social networks
本文提出了一种新的方法来识别具有高介数中心性的节点。它引入了一个新的度量，k-路径中心性，和一个随机算法估计它，经验表明，高k-路径中心性的节点具有高节点介数中心性。随机算法在时间上运行$O(κ^{3}n^{2-2α}\log n)$，并且对于每个顶点v，输出其k路径中心性的估计，直到具有概率$1-1/n^2$的$\pm n^{1/2+ α}$的加性误差。在真实和合成社交网络上的实验评估表明，与现有的随机算法相比，该算法在检测高介数中心节点方面提高了准确性，并显着减少了执行时间。
2017-02-22 cs.DS cs.SI
Comparing Community-aware Centrality Measures in Online Social Networks
识别关键节点对于加速或阻止网络中的动态传播至关重要。社区感知的中心性措施通过利用网络的社区结构来解决这个问题。虽然设计新的社区意识中心措施的趋势日益明显，但对拟议措施的有效性没有进行系统的调查。本研究进行了广泛的比较评估突出的社区意识的中心性措施，使用易感-感染-传播（SIR）模型在现实世界的在线社交网络。总体而言，结果表明，K壳与社区和社区为基础的中心性措施是最准确的识别有影响力的节点下，一个单一的传播问题。此外，流行病传播率对社区感知中心性指标的行为没有显著影响。
2022-01-30 cs.SI
Predicting Node Degree Centrality with the Node Prominence Profile
节点的中心性衡量其在网络中的相对重要性。中心性有许多应用，包括推断个人在社交网络中的影响力或成功，以及由此产生的社交网络动态。虽然我们可以计算给定网络快照中任何节点的中心性，但许多应用程序也有兴趣了解个人在未来的潜在重要性。然而，当前的中心性不一定是未来中心性的有效预测。虽然有不同的度量中心性，我们集中在本文的程度中心性。我们开发了一种方法，调和优先附件和三元封闭捕捉节点的突出配置文件。我们表明，建议的节点显着配置文件的方法是一个有效的预测度中心。值得注意的是，我们的分析表明，在进化的早期阶段的个人显示出独特的和强大的签名的程度中心化的趋势，充分预测他们的突出配置文件。我们在四个真实世界的社交网络中评估我们的工作。我们的研究结果具有重要的意义，需要预测的应用程序，一个节点的未来度中心，以及社会网络动力学的研究。
2014-12-06 cs.SI physics.soc-ph
A degree centrality in multi-layered social network
多层社交网络反映了现代互联IT系统中存在的复杂关系。在这样的网络中，每对节点可以由对应于不同通信或协作用户活动的许多边链接。提出了多层社交网络的多层度中心性。从真实的Web 2.0网站收集的数据进行了实验研究。从这些数据中提取的多层社会网络由十个不同的层组成，并对不同程度的中心性进行了网络分析。
2012-10-18 cs.SI physics.soc-ph
SoReC: A Social-Relation Based Centrality Measure in Mobile Social Networks
近年来，移动社交网络（MSN）一直在发展并使能各个领域。移动边缘计算、缓存和设备到设备通信的最新进展可能会对5G系统产生重大影响。在这些情况下，确定中心用户至关重要。它可以为设计和部署各种服务和应用程序提供重要的见解。然而，它是具有挑战性的评估节点的中心性的MSN与动态环境。在本文中，我们提出了一个基于社会关系的中心性（SoReC）的措施，其中社会网络信息被用来量化每个用户在MSN的影响力。我们首先引入了一个新的度量来估计用户之间的直接社会关系，通过直接接触，然后扩展的度量来探索用户之间的间接社会关系的第三方桥接。基于直接和间接的社会关系，我们发现用户的影响范围，并量化他们在网络中的影响力。在真实网络上的仿真结果表明，该方法可以很好地识别出MSN中未来有影响力的用户。
2019-03-01 cs.SI
Judging a Book by Its Cover: The Effect of Facial Perception on Centrality in Social Networks
在社交网络中，容貌很重要。人们经常根据面部线索做出特征判断。虽然这些基于面部的印象缺乏证据来确定有效性，但它们至关重要，因为它们可能与基于人类网络的社会行为有关，例如寻求某些人的帮助，建议，约会和合作，因此它们可能与社交网络中的中心性有关。然而，几乎没有工作已经调查了明显的面部特征，影响网络中心性，尽管有大量的研究，包括个性和行为的中心位置的归因。在本文中，我们研究是否感知特征的基础上，面部外观影响网络中心性，探索社会网络形成的初始阶段，在一年级的大学住宅区。我们拍摄了居住在同一住宅区的新生参与者的脸部照片，并要求他们提名链接到不同网络的社区成员。然后，我们通过要求其他参与者对面部图像的三个主要属性进行评级来收集面部感知数据：支配力，可信度和吸引力。同时，我们提出了一个框架，以发现如何面部外观影响社交网络。我们的研究结果表明，感知的面部特征与网络中心性相关，并且它们对预测不同网络中的人的中心性具有指示性。我们的研究结果提供了关于面孔和网络中心性之间相互作用的心理学证据。我们的研究结果还为心理和社会网络技术的结合提供了见解，他们强调了面部偏见在提示和信号社会特征中的作用。据我们所知，我们是第一个探索面部感知对社交网络中心性的影响。
2020-08-09 cs.SI
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
Power indices of influence games and new centrality measures for social networks
在社会网络分析中，有一种普遍的看法，即影响力与决定社会的全球行为有关，因此它可以用来通过针对适当的初始个体集来加强合作，或者分析全球选择过程。在这里，我们提出了中心性的措施，可以用来分析相关的影响力传播过程中的演员的相关性。在[39]中，它被认为是一个多智能体系统，其中智能体渴望根据对其他个体执行任务的意愿的感知来执行集体任务。该设置使用称为影响力游戏的简单游戏的概念建模。这些游戏是在图上定义的，其中节点由其影响力阈值标记，节点之间的影响力传播用于确定联盟是否获胜。影响力博弈提供了通过经典的权力指数来衡量社会网络中参与者的重要性的工具，并提供了一个考虑新的中心性标准的框架。在本文中，我们考虑了两个最经典的幂指数，即，Banzhaf和Shapley-Shubik指数作为影响力博弈中社交网络的中心性度量。虽然有一些工作与博弈论网络的特定场景相关，但在这里，我们使用这些指数作为任何社交网络中的中心性度量，其中可以应用影响力传播现象。此外，我们定义了新的中心性度量，如满意度和努力度，据我们所知，到目前为止还没有考虑过。我们还进行了比较的建议措施与其他三个经典的中心性措施，度，接近度和介数，考虑三个社交网络。我们表明，在某些情况下，我们的测量提供类似于其他措施的中心层次结构，而在其他情况下，提供不同的层次结构。
2013-06-28 cs.GT cs.SI physics.soc-ph
Supervised centrality via sparse network influence regression: an application to the 2021 Henan floods' social network
本文针对2021年河南洪灾微博数据，提出监督中心性概念和稀疏网络影响回归方法，并开发前向添加算法以高效识别有影响力的用户。
2024-12-28 cs.SI physics.soc-ph stat.ME
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
The position value as a centrality measure in social networks
Meessen（1988）提出的位置值是合作博弈的一个解的概念，其中分配给一个局中人的值取决于他与其他局中人之间的联系或链接的值。Borm等人（1992年）研究了这一概念，Slikker（2005年）对其进行了表征。在本文中，我们分析的位置值的角度来看，在社会网络的中心性的措施的典型属性。我们扩展了Gomez等人（2003）对Myerson中心性测度的分析，其中增加或删除边的端节点中心性的对称效应是其特征的基本部分。然而，与迈尔森中心性度量不同，位置中心性度量以更通用的方式对这种添加或删除做出响应。在研究了上述性质之后，我们将重点分析和刻画当底层博弈是依恋博弈时，由位置值给出的位置依恋中心性。与Skibski等人（2019）引入的附件中心性进行了一些比较。
2023-03-01 cs.SI
Evolutionary Centrality and Maximal Cliques in Mobile Social Networks
本文介绍了一种进化的方法，以提高在移动网络中找到中心节点的过程。这可以在移动和社交网络中提供基本信息和重要应用。这种进化方法考虑了网络的动态特性，并考虑了先前时隙的中心节点。我们还研究了最大团算法在移动社交网络中的适用性，以及如何使用它来找到基于发现的最大团的中心节点。实验结果是有希望的，并显示在寻找中心节点的显着增强。
2018-09-07 cs.NI cs.SI
Leveraging Peer Centrality in the Design of Socially-Informed Peer-to-Peer Systems
社交应用程序挖掘用户社交图谱，以提高搜索性能，提供推荐，允许资源共享并提高数据隐私。当这样的应用在对等（P2P）架构上实现时，社交图分布在P2P系统上：社交图的遍历转化为对等层中的社交通知路由。在这项工作中，我们介绍了模型的投影图，这是分散的社交图到对等网络的结果。我们专注于三个社会网络指标：度，节点介数和边缘介数中心性和分析制定的社会图和投影图中的指标之间的关系。通过对真实网络的实验评估，我们证明了当映射用户社区的大小高达50-150个用户在每个对等体上时，社交图的属性与投影图之间的关联性很高，因此（动态）投影图的属性可以从（变化较慢的）社交图的属性中推断出来。此外，我们展示了两个应用场景上的大规模社交网络的可用性的投影图在设计社会化搜索应用程序和非结构化P2P覆盖。
2012-10-22 cs.DC cs.SI
Dynamic Laplace: Efficient Centrality Measure for Weighted or Unweighted Evolving Networks
社会网络分析（SNA）起源于社会学，迅速出现并传播到其他研究领域，包括人类学、生物学、信息科学、组织研究、政治学和计算机科学。由于社会网络分析的目的是通过网络和图论来研究社会结构，因此它是当今几个领域中的一个重要研究领域。社会网络分析处理不同的问题，即网络度量，模型，可视化和信息传播，每一个都有几种方法，方法和算法。社会网络分析的关键领域之一涉及不同中心性度量的计算（即：图中最重要的顶点）。如今，挑战是如何快速有效地做到这一点，因为有越来越多的数据集可用。最近，需要将这种中心性算法应用于非静态网络（即：随着时间的推移而发展的网络）也是一个新的挑战。中心性度量的增量和动态版本开始出现（介数，接近度等）。我们的贡献是两个增量版本的拉普拉斯中心性措施的建议，不仅可以应用于大型图形，但也加权或不加权，动态变化的网络。实验评估进行了几次测试，在不同类型的不断发展的网络，增量或完全动态。结果表明，我们的增量版本的算法可以计算节点的中心在大型网络，更快，更有效地比相应的批处理版本在增量和全动态网络设置。
2018-08-08 cs.SI physics.soc-ph
Novel Machine Learning Algorithms for Centrality and Cliques Detection in Youtube Social Networks
School of Engineering and Computer Science, Morehead State University（莫尔黑德州立大学工程与计算机科学学院）
本研究项目的目标是使用机器学习技术来分析社交网络的动态，以定位最大的集团，并找到集群，以确定目标人口。在这个项目中，设计并实现了无监督的机器学习技术来分析来自YouTube的数据集，以发现社交网络中的社区并找到中心节点。实现了不同的聚类算法并应用于YouTube数据集。著名的Bron-Kerbosch算法有效地用于本研究中找到最大团。从这项研究中获得的结果可以用于广告目的和构建智能推荐系统。所有算法均使用Python程序设计语言实现。实验结果表明，我们能够成功地找到中心节点，通过中心中心度和度中心度。通过利用集团检测算法，该研究展示了机器学习算法如何在更大的网络中检测紧密联系的群体。
2020-02-10 cs.LG cs.SI stat.ML
Analysing Health Misinformation with Advanced Centrality Metrics in Online Social Networks
针对在线社交网络中健康错误信息传播的复杂性，本研究提出动态影响力中心性、脆弱性中心性和传播中心性三种新指标，结合FibVID和Monant数据集验证，发现新旧指标结合能更有效识别关键节点并提升干预效果。
2025-07-11 cs.IR cs.SI physics.soc-ph
Achieving Consensus with Individual Centrality Approach
本文提出了一种新的参与式决策的共识模型。该模型采用建议中心的方法，通过选举一个领导者和推荐者命名为Supra决策者（SDM）。可持续发展机制可作为其他决策者的决策基准，根据给定标准评估每一种备选办法。通过考虑SDM与其他决策者之间的共识水平和偏好距离，可以得到每个方案的权重值。当决策没有达到所需的共识水平时，使用社会判断计划（SJS）概念的社会功能。一个简单的例子来说明我们的模型。关键词：一致性，群体决策，中心性，超决策者，社会判断模式
2012-03-26 cs.SI physics.soc-ph
Nodes having a major influence to break cooperation define a novel centrality measure: game centrality
合作在生物体的自组织和进化中发挥着重要作用。网络拓扑结构和合作者的初始位置都对社会困境博弈的合作有重要影响。我们开发了一种新的模拟程序包，称为“网络游戏”，它能够模拟任何类型的社会困境游戏的任何模型，或现实世界的网络与任何分配的初始合作或叛逃策略的网络节点。最初背叛单个节点以破坏整体合作的能力被称为“游戏中心性”。这一措施的效率在众所周知的社交网络上得到了验证，并被扩展到“蛋白质游戏”，即模拟蛋白质或其氨基酸之间的合作。酵母蛋白质相互作用网络的枢纽，特别是党枢纽有很大的影响，以转换其他节点的合作，以背叛。对甲硫氨酰-tRNA合成酶蛋白质结构网络的模拟表明，属于蛋白质内信号通路的节点对破坏合作的影响增加。在社会两难博弈中，单个初始背叛节点将其他节点的合作转化为背叛的效率可能是预测节点在复杂系统整合和调控中重要性的重要度量。游戏中心性可能有助于设计对细胞网络（以药物的形式）、生态系统和社交网络更有效的干预措施。网络游戏算法可以从这里下载：www.NetworGame.linkgroup.hu
2013-06-30 cs.GT cs.SI nlin.AO
Fast Approximation of Centrality
社会研究的研究人员使用图形来模拟社交网络中的群体活动。在这种情况下，一个重要的属性是顶点的中心性：到每个其他顶点的平均距离的倒数。我们描述了一个加权图中心度的随机近似算法。对于表现出小世界现象的图，我们的方法估计在近线性时间内所有顶点的中心性具有高概率在（1+ 1）因子内。
2000-09-13 cond-mat.dis-nn cs.DS cs.SI
Sinkless: A Preliminary Study of Stress Propagation in Group Project Social Networks using a Variant of the Abelian Sandpile Model
我们进行社会网络分析的53名学生分为三个学期和13组，使用传统的措施，如特征向量中心性，中间中心性，度中心性，以及定义一个变体的阿贝尔沙堆模型（ASM）的意图建模压力传播在大学课堂上。我们将这些分析的结果与收到的小组项目成绩相关联;由于数据集较小或收集不佳，我们无法得出任何这些网络措施与这些成绩相关的结论。然而，我们成功地使用这个数据集来定义一个离散的，递归的，更广义的ASM变体。阿贝尔沙堆模型，大学成绩，自组织临界性，不沉沙堆模型，社会网络分析，压力传播
2013-11-22 cs.SI physics.soc-ph
Beyond network centrality: Individual-level behavioral traits for predicting information superspreaders in social media
本研究提出一种基于网络的非线性算法，结合影响力和易感性两个个体行为特征，超越网络中心性，有效预测社交媒体中的信息超级传播者，并在Twitter和微博数据上验证了其有效性。
2024-03-17 cs.SI
Resampling community detection to maximize propagation in complex network
识别复杂网络中的重要节点在理论和应用领域都具有重要意义。少数这样的节点具有决定信息传播的确定性能力，因此在网络中找到一组最大化传播的节点是很重要的。在基线排序方法的基础上，提出了各种改进方法，但目前还没有一种改进方法能覆盖所有的基线排序方法。本文提出了一种基于节点局部社区信息的RCD-Map（restaurant社区发现的简称）方法，以最大化传播为目标，对度中心性、贴近度中心性、节点间中心性、K-shell和PageRank五种基本排序方法进行了改进。为了减少重叠和非重叠两种社区发现方法带来的偏差和随机性，我们对原始图进行了扰动。为了评估我们的识别方法的性能，SIR（易感染-感染-恢复）模型被用来模拟信息传播过程。结果表明，惩罚的方法表现更好的传播范围更大的一般。
2022-11-26 cs.SI
Critical Node Detection in Temporal Social Networks, Based on Global and Semi-local Centrality Measures
本研究关注时态社交网络中的关键节点检测，提出了三种新度量方法，并基于 SIR 流行病模型验证其能更准确地识别影响节点，可应用于控制流行病传播或加速信息传播。
2024-09-23 cs.SI physics.soc-ph
Urban mobility network centrality predicts social resilience
The Hong Kong University of Science and Technology（香港科技大学）；Tsinghua University（清华大学）；Beijing National Research Center for Information Science and Technology (BNRist)（北京信息科学与技术国家研究中心）；Northeastern University（东北大学）；The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））；Santa Fe Institute（圣塔菲研究所）；University of Chicago（芝加哥大学）
研究通过分析城市流动性网络中心性，揭示核心场所在不同冲击下的社会韧性预测机制。
2026-02-20 cs.CY cs.SI
Lurking in Social Networks: Topology-based Analysis and Ranking Methods
在线社区中大量存在的沉默成员，即所谓的潜伏者，长期以来一直吸引着社会科学、认知心理学和人机交互研究人员的注意。然而，对潜在现象的研究为数据采掘、信息检索及相关领域的研究提供了一个尚未开发的机会。在本文中，我们采取的第一步正式规范和分析潜伏在社交网络。我们解决了潜伏者排名的新问题，并提出了第一个专门为社交网络中的潜伏者排名而设计的中心性方法。我们的方法只利用网络拓扑结构，而不探讨与媒体相关的文本内容或用户关系。使用Twitter，Flickr，Google Feed和GooglePlus作为案例，我们的方法的性能针对数据驱动的排名以及现有的中心性方法进行了评估，包括经典的PageRank和alpha中心性。经验证据表明，我们的潜伏者排名方法的重要性，以及它在有效识别和排名在线社交网络中的潜伏者方面的独特性。
2014-09-16 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
Detecting Bots and Assessing Their Impact in Social Networks
在线社交网络经常受到恶意行为者通过使用被称为机器人的自动账户进行的影响活动。我们考虑的问题，检测机器人在线社交网络和评估其对个人的意见的影响。我们首先分析机器人在社交网络中的行为，并确定它们表现出异质性，这意味着它们与人类的互动比其他机器人更多。我们使用这个属性来开发一个检测算法的基础上伊辛模型从统计物理。机器人通过解决最小割问题来识别。我们表明，这种伊辛模型算法可以识别机器人具有更高的准确性，同时利用更少的数据比其他国家的最先进的方法。然后，我们开发了一个函数，我们称之为广义谐波影响中心性，以估计机器人对社交网络中用户意见的影响。该函数基于广义意见动力学模型，并捕捉机器人的活动水平和网络连接如何改变平衡意见。为了将广义调和影响中心性应用于真实的社交网络，我们开发了一个深度神经网络来基于用户的社交网络帖子来测量用户的意见。使用这个神经网络，我们然后计算机器人在多个真实的社交网络的广义谐波影响中心。对于一些网络，我们发现有限数量的机器人可以导致人口观点的重大变化。在其他网络中，我们发现机器人几乎没有影响。总的来说，我们发现广义谐波影响中心是一个有用的操作工具来衡量机器人在社交网络的影响。
2020-12-16 cs.SI physics.soc-ph stat.AP
Forecasting managerial turnover through e-mail based social network analysis
本研究提出一种基于电子邮件社会网络分析的方法来比较主动离职和决定留任的管理者的沟通行为。收集了18个月的电子邮件，我们分析了866名经理的沟通行为，其中111人离开了一家大型全球服务公司。我们通过计算社交网络指标（如介数和接近中心性）和内容分析指标（如情感性和所用语言的复杂性）来比较沟通模式的差异。为了研究管理者脱离的出现，我们根据所检查的电子邮件数据的时间进行了区分。我们观察了经理离职前第5个月和第4个月的沟通情况，发现他们的网络结构和语言使用都有显著变化。研究结果表明，平均而言，辞职的管理者有较低的亲密中心性和较少的参与对话。此外，选择辞职的经理人倾向于从离职前5个月开始改变他们的沟通行为，增加他们的程度和亲密中心性，他们的语言的复杂性，以及他们在中间中心性和他们需要发送给同事的“轻推”的数量的振荡。
2021-05-19 cs.CL cs.SI physics.soc-ph
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
On Decay Centrality
我们建立了一个衰减中心性和两个广泛使用的和计算成本较低的中心性措施，即程度和接近度之间的关系。我们发现，对于较低的衰减参数的值，具有最大衰减中心性的节点也具有最大程度，而对于较高的衰减参数的值，它们也最大化接近。对于中间值，我们提供了足够的条件，允许比较不同节点的衰减中心性，我们通过数值模拟表明，在绝大多数网络中，具有最大衰减中心性的节点的特征在于衰减参数的阈值，低于该阈值，它们属于具有最大程度的节点集，高于该阈值，它们属于具有最大接近度的节点集。我们还提出了一个简单的经验法则，确保一个接近最优的选择，具有很高的概率。
2017-01-04 cs.SI physics.soc-ph
Perturbation centrality and Turbine: a novel centrality measure obtained using a versatile network dynamics tool
网络动力学分析成为理解和预测复杂系统变化的一个焦点。在这里，我们介绍涡轮机，一个通用的框架，使任何算法定义的动态非常大的网络上的快速模拟。利用受通信船舶启发的扰动传播模型，定义了一种新的中心性度量：扰动中心性。枢纽和模块间节点被证明是非常有效的扰动传播。Met-tRNA合成酶蛋白质结构网络的高扰动中心节点被早期研究确定为参与蛋白质内通讯的氨基酸。酵母相互作用体节点在不同胁迫下的扰动中心性变化很好地概括了胁迫下酵母细胞的功能变化。扰动中心性的新颖性和实用性在其他几个模型，生物和社交网络中得到了验证。Turbine软件和扰动中心性测量可以提供多种新颖的选项来评估信号传导、药物作用、环境和社会干预。Turbine算法可从以下网址获得：http://www.turbine.linkgroup.hu
2013-10-25 cond-mat.dis-nn cs.SI physics.bio-ph
Centrality Measures in multi-layer Knowledge Graphs
知识图谱在连接不同数据从而形成多个层次方面发挥着核心作用。因此，它们被广泛用于大数据集成，特别是用于连接来自不同领域的数据。很少有研究调查图中的多个层如何影响为单一目的网络（例如社交网络）开发的方法和算法。本文研究了与单一目的图相比，多层对中心性度量的影响。特别是，（a）我们开发了一个实验环境（b）评估两个不同的中心性措施-度和介数中心性-随机图的启发社会网络分析：小世界和无标度网络。所提出的方法（c）表明，图结构和拓扑结构对其存储的额外数据的鲁棒性有很大影响。虽然随机图的实验分析使我们能够进行一些基本的观察，但我们将（d）为对网络稳定性有重大影响的特定图结构的额外研究提出建议。
2022-03-17 cs.DS cs.SI
Stability of Local Information based Centrality Measurements under Degree Preserving Randomizations
节点中心性是网络分析中不可或缺的度量之一，具有广泛的应用范围，从社会经济到个性化推荐。我们认为，一个有效的中心性措施，即使在网络中引入的信息丢失或噪声进行稳定。利用6个基于局部信息的中心性度量，研究了在保持度分布不变的情况下，改变节点的重复性对指数分布和无标度分布网络的影响.该模型为研究中心性度量的稳定性提供了一个新的视角，可以进一步应用于社会科学、生物学、信息科学、社区发现等领域。
2018-12-30 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
Centrality in Interconnected Multilayer Networks
现实世界的复杂系统表现出多层次的关系。在许多情况下，它们需要通过互连的多层网络来建模，同时在多个层面上表征相互作用。在许多领域，从经济学到生物学，从城市规划到社会科学，识别网络中影响最大（或影响较小）的节点至关重要。然而，在一个相互关联的结构中，确定行为体的中心地位并非易事。在本文中，我们利用张量的形式主义，最近提出的这种复杂的拓扑结构的特征和调查，显示几个中心的措施-众所周知的标准（“单路”）网络的情况下-可以自然地扩展到领域的互连复用。我们认为诊断广泛应用于不同领域，例如，计算机科学、生物学、通信和社会科学，仅举其中一些。我们表明，无论是理论上和数值上，使用加权单重聚合多层网络获得的结果，在一般情况下，相关的差异，在排名节点的重要性。
2013-11-12 cond-mat.dis-nn cs.SI physics.soc-ph
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
Centrality in Collaboration: A Novel Algorithm for Social Partitioning Gradients in Community Detection for Multiple Oncology Clinical Trial Enrollments
University of Toronto（多伦多大学）；University Health Network（大学健康网络）
本研究针对肿瘤临床试验患者入组的医师协作网络识别问题，提出一种新的社区检测算法，对比Girvan-Newman、Louvain算法验证了其分组直观且具社会划分梯度的优势，为流行病学亚组分析奠基。
2024-11-05 cs.SI stat.ME stat.OT
Opportunistic Forwarding with Partial Centrality
在机会主义网络中，使用社交指标（例如，度、接近度和介数中心性）最近已被证明是提高机会转发算法性能的有效解决方案。目前大多数基于社交的转发方案都利用了一些全局定义的节点中心性，导致偏向于最流行的节点。然而，这些节点对于一些目标节点可能不是适当的中继候选，因为它们相对于目标节点的这些子集可能具有低重要性。在本文中，为了提高机会转发效率，我们利用相对重要性（称为部分中心性）的节点相对于一组节点。设计了一种新的机会转发方案--部分中心性机会转发（OFPC），并利用图谱理论量化了部分中心性对数据转发性能的影响。通过将我们的方案应用于三个真实的机会网络场景，我们的广泛的评估表明，我们的方案实现了显着更好的平均交付延迟和成本相比，国家的最先进的作品，同时实现交付率足够接近那些由流行病在不同的TTL要求。
2017-09-25 cs.NI cs.SI
Look inside. Predicting stock prices by analysing an enterprise intranet social network and using word co-occurrence networks
这项研究调查了员工的沟通，提供了新的指标，可以帮助预测公司的股票价格。我们研究了一家大型意大利公司的内部网论坛，探索了大约8,000名员工的互动和语言使用。我们建立了一个网络连接的话包括在一般的话语。在这个网络中，我们关注代表公司品牌的节点的位置。我们发现，较低的情绪，公司品牌的较高介数中心性，更密集的词共现网络和更均匀分布的员工中心性得分（较低的群体介数中心性）都是较高股票价格的重要预测因素。我们的研究结果提供了新的指标，可以帮助学者，公司经理和专业投资者，并可以整合到现有的预测模型，以提高其准确性。最后，通过扩展词共现网络的应用领域，为词共现网络的研究做出了贡献。
2021-05-25 cs.CL cs.SI physics.soc-ph
Strategic Evasion of Centrality Measures
社会网络分析最基本的工具之一是中心性度量，它量化了网络中每个节点的重要性。这种中心性分析通常忽略了网络可能被故意操纵以误导分析的可能性。为了解决这个问题，最近的一项研究试图了解社交网络的成员如何重新连接其中的连接，以避免被识别为该网络的领导者。然而，这项研究是基于这样一个假设，即网络分析者--搜索者--对逃避者的任何逃避企图都没有察觉。在本文中，我们放松了这一假设的贝叶斯Stackelberg游戏中的战略球员建模的搜索者和逃避者。在这种情况下，我们研究了各种优化问题的复杂性，并分析了不同假设下的博弈均衡，从而得出了文献中的第一个结论，即搜索者应该使用哪些中心来最大限度地提高发现战略规避者的机会。
2021-01-26 cs.SI
Centrality-based identification of important edges in complex networks
中心性是网络科学中最基本的度量标准之一。尽管有大量的方法来测量单个顶点的中心性，但到目前为止，只有少数度量单个边的中心性。我们修改各种，广泛使用的顶点的中心性的概念，为边缘，为了找到在网络中的边缘是重要的其他对顶点之间。侧重于边缘的重要性，我们提出了一个基于边缘中心的网络分解技术，以确定一个层次结构的边缘集，其中每一组都与不同的重要性级别。我们使用各种范式网络模型评估我们的方法的效率，并应用新的概念来识别重要的边缘和重要的边缘集在社会网络分析中常用的基准模型，以及在不断发展的癫痫脑网络。
2019-08-25 cs.SI physics.soc-ph
A Reputation-Based Model for Decision-Making in Online Social Networks
社会认可的在线交换，包括例如Facebook的“喜欢”，似乎产生了一种稀缺的分配，没有为任何参与者定义明确的效用函数。鉴于用户和广告商对这类数字商品的重视，研究支配其经济的力量是有意义的。在这里，我们提出了一个类似于特征向量中心性的中心性度量来描述个人在在线社交网络中的感知重要性。它表明，在硅片上，战略上最大限度地提高这一声望度量结果在有限的非平凡率的“喜欢”的捐赠。此外，它被发现，系统的声誉寻求代理最强大的支持与现实的人类社会的功能，包括优惠连接和小世界属性的网络。我们的结论是，这里研究的激励系统可以产生现实的行为，因此可以提供一个更一般的模型，在网上社区的决策框架。
2014-09-13 cs.SI physics.soc-ph
Game Theoretic Formation of a Centrality Based Network
我们将网络的形成建模为一个游戏，在这个游戏中，玩家渴望通过增加与他们路径相连的其他玩家的数量来最大化自己的中心性，同时为每个增加的相邻边缘带来成本。我们模拟玩家之间的互动使用的算法，在理性的战略行为的基础上，一个共同的目标函数的因素。由此产生的网络表现出成对的稳定性，从中我们得到必要的稳定条件，为特定的图形拓扑结构。然后，我们扩展模型来模拟大量玩家的非平凡游戏。我们表明，使用必要的条件，为稳定的星形拓扑结构，我们可以诱导形成枢纽球员，积极影响网络的总福利。
2012-09-18 cs.GT cs.SI physics.soc-ph
Worst-Case Scenarios for Greedy, Centrality-Based Network Protection Strategies
解决了为计算机网络分配预防性资源以防止病毒传播的任务。病毒传播动力学描述的线性SIS模型和保护是由一个优化问题，最大限度地提高了网络中的病毒包含给定的有限资源的速率。这种类型的问题的一种方法涉及贪婪算法，该算法将所有资源分配给具有大中心性度量的节点。我们解决了最坏的情况下的性能，这些贪心算法构建网络，这些贪婪的分配是任意低效的。一个例子中的应用，这样一个最坏的情况下的网络可能会自然出现，我们的结果进行了验证，利用最近的结果，允许精确的最优解通过几何规划计算。
2014-01-22 cs.SI physics.soc-ph
Modeling and Measuring Graph Similarity: The Case for Centrality Distance
复杂网络拓扑结构的研究已经吸引了研究者们几十年的时间，今天我们已经对许多不同的复杂网络的类型和重现特性有了相当好的了解。然而，令人惊讶的是，今天对比较复杂图形的模型知之甚少，并定量地测量它们的相似性。本文提出了一种复杂网络的自然相似性度量：中心性距离，即两个图之间关于给定节点中心性的差异。中心距离允许考虑网络中不同节点的特定角色，并有许多有趣的应用。作为一个案例研究，我们考虑了更详细的接近中心，并表明，接近中心距离可以有效地区分随机生成的和实际的两个动态社交网络的进化路径。
2014-06-20 cs.DS cs.SI physics.soc-ph
