Time-aware Analysis and Ranking of Lurkers in Social Networks
挖掘在线社区的沉默成员，也称为潜伏者，已经被认为是伴随在线社交网络（OSN）的广泛使用的重要问题。对潜伏者进行排名的现有解决方案可以帮助理解OSN中的潜伏行为。然而，它们仅限于使用静态网络图的结构属性，从而忽略了任何有关时间维的信息。我们在这项工作中的目标是以两种方式推进潜伏者挖掘的研究：（i）提供对时间方面的深入分析，旨在揭示潜伏者的行为及其与其他用户的关系，以及（ii）通过整合有关信息生产和信息消费行为的不同时间感知属性来增强现有的对潜伏者进行排名的方法。网络分析和排名评估在Flickr上进行，Instagram网络，使我们能够在潜伏的动态和时间感知排名的瞬时和累积场景的理解上得出有趣的评论。
2015-09-07 cs.SI physics.soc-ph
Network-based ranking in social systems: three challenges
排名算法在我们日益数字化的社会中无处不在，具有重要的现实应用，包括推荐系统，搜索引擎和影响者营销实践。从网络科学的角度来看，基于网络的排名算法解决了与识别复杂系统的稳定性和动态性的重要节点相关的基本问题。尽管这些算法的普遍和成功的应用，我们认为，我们的理解，他们的性能和他们的应用程序，以现实世界的问题面临着三个基本挑战：（1）排名可能会受到各种因素的偏见;（2）他们的有效性可能仅限于特定的问题;（3）代理人的排名驱动的决策可能会导致潜在的恶性反馈机制和不健康的系统后果。根植于网络科学和基于代理的建模方法可以帮助我们理解和克服这些挑战。
2020-05-29 cs.CY cs.SI physics.soc-ph
Estimating the Degree Centrality Ranking of a Node
近年来，复杂网络得到了越来越多的关注。现实世界中的复杂网络，如在线社交网络、WWW网络、协作网络等，其规模都是随着时间的推移呈指数级增长的。在目前的工作中，我们提出了一种方法来估计一个节点的度中心性排名，而不具有完整的图的结构是不可行的。该算法利用节点的度和度分布的幂律指数来计算排序。在Barabasi-Albert网络上的仿真结果表明，估计排序的平均误差约为节点总数的$5\%$。
2019-10-06 cs.SI physics.soc-ph
Time evolution of Wikipedia network ranking
我们研究了2003 - 2011年期间英文维基百科超链接网络的Google矩阵的排名和谱特性的时间演化。通过PageRank和CheiRank概率，以及矩阵谱的维基百科文章的排名的统计特性，被证明是稳定的2007年至2011年。特别强调的是维基百科的人物和大学的排名。我们发现，PageRank的选择是由政治家，而2DRank，结合PageRank和CheiRank，给更多的口音的个性的艺术。大学的维基百科PageRank恢复了80名上海顶尖大学在所考虑的时间段内的排名。
2013-10-31 cs.IR cs.SI physics.soc-ph
Locating Contagion Sources in Networks with Partial Timestamps
研究了当传染过程的部分时间戳可用时，传染源的识别问题。我们制定的源定位问题作为一个排名问题的图形，其中受感染的节点排名根据其可能性的来源。提出了两种基于代价的排序算法（CR）和基于树的排序算法（TR）。与合成和真实世界的数据的实验评估表明，我们的算法显着提高排名的准确性相比，现有的四个算法。
2014-12-12 cs.SI physics.soc-ph
Friend-Based Ranking
我们分析了一种机制的设计，根据一维特征，如能力或需要，提取个人的排名。在社交网络上连接的个人只能获得有关排名的本地信息。我们证明了当且仅当每一对朋友都有一个共同的朋友时，计划者才能构建事后激励相容的有效机制。我们将风车网络描述为稀疏的社会网络，规划者总是可以构建一个完整的排名。
2020-09-28 cs.GT cs.SI physics.soc-ph
Resolution of ranking hierarchies in directed networks
识别有向图中节点的层次结构和排名在许多应用中是基础的，例如社会网络分析、生物学、经济学和金融学。最近提出的一种方法确定的层次结构，通过寻找有序分区的节点，最大限度地减少得分函数，称为痛苦。该函数根据违反的强度来惩罚违反层次结构的链接。为了研究等级层次的分辨率，我们引入了一个随机图的合奏，排名随机块模型。我们发现，痛苦可能无法识别层次结构时，结构不够强大，类的大小是相对于整个网络小。我们分析了分辨率阈值，我们表明，一个迭代版本的痛苦可以部分克服这个分辨率限制。
2017-07-04 cs.SI physics.soc-ph
The long-term impact of ranking algorithms in growing networks
当我们在线搜索内容时，我们不断地接触到排名。例如，网络搜索结果以排名的形式呈现，在线书店经常向我们展示畅销书的列表。虽然基于流行度的排名算法（如Google的PageRank）在以前的作品中已经得到了广泛的研究，但我们仍然缺乏对其潜在系统性后果的清晰理解。在这项工作中，我们通过引入一个新的网络增长模型来填补这一空白，该模型允许我们比较在不同排名算法的影响下生成的网络的属性。我们表明，通过校正基于流行度的排名算法的无所不在的年龄偏差，由此产生的网络表现出显着更大的协议之间的节点的内在质量和他们的长期流行度，和一个不太集中的流行度分布。为了进一步促进流行的多样性，我们引入并验证了扰动的原始排名，其中一小部分随机选择的节点被提升到排名的顶部。我们的研究结果向基于模型的理解基于流行度的排名算法的长期影响迈出了第一步，并可用作改进信息过滤工具设计的信息工具。
2018-11-20 cs.CY cs.IR cs.SI
Ranking the spreading influence in complex networks
识别网络中节点的传播影响力是优化网络结构、确保信息更有效传播的一项重要任务。本文通过考虑目标节点与$k$ -core值最大的节点集之间的最短距离，提出了一种改进的排序表生成方法来评估节点的传播影响力。通过与4个真实网络和Barabási-Albert网络的传播过程结果比较，无参数方法比度$k$、贴近中心度、$k$ -壳和混合度分解方法更能准确地识别节点传播影响.这将有助于深入理解网络中节点的重要性。
2014-08-20 cs.SI physics.soc-ph
Link Classification and Tie Strength Ranking in Online Social Networks with Exogenous Interaction Networks
在线社交网络（OSN）已经成为连接人们、共享知识和信息以及进行通信的主要媒介。使用这些OSN的人之间的社交联系形成为虚拟链接（例如，友谊和后续连接）连接人。这些链接是当今OSN的核心，因为它们促进了社交网络成员可以进行的所有活动。然而，这些网络中的许多遭受噪声链路，即，不反映真实关系的链接或强度较低的链接，这些链接改变了网络的结构，并妨碍了对这些网络的准确分析。因此，为了维持一个健康和真实的网络，对社交网络中的链接进行评估和排名的过程至关重要。在这里，我们将链路评估定义为识别网络中有噪声和无噪声链路的过程。在本文中，我们解决的问题，链接评估和链接排名的社交网络使用外部交互网络。除了友谊社交网络之外，还利用额外的外源交互网络来使评估过程更有意义。我们采用了机器学习分类器，使用来自外生交互网络的数据对感兴趣的社交网络中的链接进行评估和排名。该方法用两个不同的数据集进行了测试，每个数据集都包含感兴趣的社交网络，具有地面真实性，以及外源交互网络。结果表明，仅利用外生交互网络中单个网络的结构，以及利用外生交互网络的整体结构，都可以有效地评估社会网络的链接。实验表明，一些分类器做得比别人更好，无论是链接分类和链接排名。
2017-08-14 cs.SI physics.soc-ph
Finding the proper node ranking method for complex networks
对节点重要性进行排序对于理解复杂网络的结构和功能至关重要。度、h指数和核度被广泛使用，但哪一个更适合于与动态过程相关的网络，例如SIR扩展过程，仍然不清楚。为了填补这一空白，提出了从节点邻域的每个半径中的平均节点数的拟合函数（f（x）= 1 - 1/（e ^（2a（x-b））+1））中提取的a。在20个真实网络上进行的实验结果表明，该算法可以区分度、h指数和核心度这3种度量中哪一种更适合于网络节点重要性的排序。我们还发现，[b/3]是一个很好的指标，用于预测节点的邻域的最佳半径，在给定的网络中对节点的重要性进行排名。据我们所知，这是这个有趣和开放问题的第一个解决方案。此外，通过扩大邻域的范围，我们构造一个操作H上的节点，我们提出了一种新的方法来量化的重要性的节点。当半径从0增加到其预测最优半径时，大多数网络的排序精度都得到了提高，最好的情况下，提高幅度可达111%。如果我们粗略地扩大邻域的半径，本文所研究的网络的性能将降低一半。我们的工作加深了对如何为复杂网络找到合适的节点排序方法的理解。所提出的方法弥补了网络结构和节点重要性之间的差距，在控制疾病爆发、设计最佳信息传播策略方面可能具有潜在的应用。
2018-12-27 cs.SI physics.soc-ph
Controlling centrality: The Inverse ranking problem for spectral centralities of complex networks
本文给出了复杂网络谱中心性能控性的一些结果。特别是，设计一个unweighthed图与规定的中心性的逆问题被认为是，通过显示，对于每一个可能的排名最终与领带，一个未加权的有向/无向复杂网络可以找到其PageRank或特征向量中心给出的排名考虑。不同的家庭的网络，以分析解决这个问题，无论是有向和无向图与循环。
2021-11-02 math.CO physics.soc-ph
Ranking and clustering of nodes in networks with smart teleportation
随机隐形传态是基于随机游动的有向网络的排序和聚类的必要条件。隐形传态使遍历的解决方案，但解决方案必须依赖于精确的实施和参数化的隐形传态。例如，在常用的PageRank算法中，隐形传态速率必须在严重偏差的解与均匀解之间进行权衡。在这里，我们表明，隐形传态的链接，而不是节点，使一个更平滑的权衡和有效地更强大的结果。我们还表明，通过不记录随机行走的隐形传态步骤，我们可以进一步减少隐形传态的影响，对聚类产生巨大的影响。
2012-06-02 cs.SI physics.soc-ph
Ranking in evolving complex networks
复杂网络作为一个简单而强大的框架已经出现，用于表示和分析各种各样的复杂系统。对复杂网络中的节点和边进行排序的问题对于一系列现实问题至关重要，因为它影响到我们如何访问在线信息和产品，如何评估人类活动中的成功和人才，以及公司和政策制定者如何分配稀缺资源等。这就需要深入了解现有的排名算法是如何执行的，以及它们可能存在哪些偏差，这些偏差可能会影响它们的有效性。成熟的排名算法（如流行的Google的PageRank）本质上是静态的，因此，当应用于快速发展的真实网络时，它们表现出重要的缺点。最近的进展，在不断发展的网络的理解和建模，使广泛和多样化的排名算法，考虑到时间维度的发展。这篇综述的目的是调查现有的排名算法，静态和时间感知，以及它们在不断发展的网络中的应用。我们强调网络演化对成熟的静态算法的影响，以及包括实时网络流量预测，未来链路预测和高度重要节点识别等任务的时间维度的好处。
2017-04-26 cs.DL cs.IR cs.SI
A new method for comparing rankings through complex networks: Model and analysis of competitiveness of major European soccer leagues
在本文中，我们展示了一种新的技术来分析家庭的排名。我们特别关注体育排名，更确切地说，是足球联赛。我们认为，当两支球队在连续的排名中改变他们的相对位置时，他们会竞争。这允许通过链接竞争的团队来定义图。我们展示了如何使用这个竞争力图的一些结构特性来衡量在联赛中的球队竞争。这些结构性质是平均度、平均强度和聚类系数。我们给出了一个推广的肯德尔的相关系数，两个以上的排名。我们还展示了如何对联赛进行动态分析，以及如何比较不同的联赛。我们应用这种技术来分析四个主要的欧洲足球联赛：德甲联赛，意大利联赛，西甲联赛和英超联赛。我们比较我们的结果与经典分析的基础上的竞争平衡的措施，体育排名。
2013-07-15 cs.DM cs.SI physics.soc-ph
A network-based ranking system for American college football
美国大学橄榄球面临着一场冲突，这场冲突是由一个赛季中最好的球队之间举行全国冠军赛的愿望造成的，因为没有传统的季后赛制度来决定这些球队是哪支球队。相反，球队的排名是基于他们在赛季中的输赢记录，但每支球队只打一小部分合格的对手，使系统欠确定或矛盾或两者兼而有之。这是一个有趣的挑战，创造一个排名系统，在一次是数学上有充分的依据，给出的结果与公认的智慧有关的相对优势的球队，是基于直观的原则，使它能够接受球迷和专家一样容易。在这里，我们介绍了一个单参数的排名方法，满足所有这些要求，是基于网络表示的大学足球时间表。
2005-10-31 cond-mat.dis-nn physics.data-an physics.soc-ph
Comparing series of rankings with ties by using complex networks: An analysis of the spanish stock market (IBEX-35 index)
在本文中，我们扩展了竞争图的概念，比较一系列的排名与领带（{ \em部分排名}）。我们扩展了通常的方法来计算肯德尔系数的两个部分排名的概念，演化肯德尔系数的一系列部分排名。理论框架由四层复用网络组成。关于关系的处理，我们的方法允许在两个值接近{ \em enough}时定义它们之间的关系，这取决于阈值。我们展示了一个使用西班牙股市数据的应用程序;我们分析了$25$公司定义的一系列排名，这些公司在2003年至2013年期间为IBEX-35回报率和波动率值做出了贡献。
2014-07-11 physics.soc-ph q-fin.GN
Ranking the Importance Level of Intermediaries to a Criminal using a Reliance Measure
最近的研究发现，在一个网络中的重要中间结点涉嫌包含犯罪活动是高度依赖于网络的中心性值。例如，介数中心性被广泛用于对网络中连接所有源节点和所有端节点的最短路径中充当代理的节点进行排名。然而，最短路径节点介数和线性缩放介数都只能显示网络中所有节点的排名。在本文中，我们探索了对中间结点的配对依赖的数学概念，将该概念适用于犯罪关系，并引入了一种新的源-中间依赖度量。为了说明我们的措施，我们将其应用于排名安然电子邮件数据集和Noordin Top Terrorist网络中的节点。我们比较的依赖排名与谷歌PageRank，马尔可夫中心性以及介数中心性，并表明，刑事调查使用的依赖措施，将导致不同的优先级方面的可能的人进行调查。虽然Noordin Top恐怖分子网络节点的排名比Enron电子邮件交易网络产生更极端的差异，但在后者中，财务经理组的依赖值立即确定了另一名被判犯有洗钱罪的雇员。
2016-01-05 cs.SI physics.soc-ph
Ranking spreaders by decomposing complex networks
对网络中节点的传播能力进行排序是一个基本问题，它涉及到信息和疾病控制等实际应用。在以前的文献中，一个网络分解过程称为k壳方法已被证明可以有效地识别最有影响力的传播者。本文发现，k壳方法在对网络中所有节点进行排序时存在一定的局限性。我们还发现，这些限制是由于在分解网络时只考虑剩余节点之间的链接（剩余度），而完全忽略了连接到删除节点的所有链接（耗尽度）。因此，我们提出了一个混合度分解（MDD）的过程中，剩余度和耗尽度都考虑。通过模拟真实网络上的流行病传播过程，我们证明了MDD方法在对传播者进行排序时的性能优于k-shell和度方法。最后讨论了网络结构对MDD方法性能的影响。
2012-04-19 cs.SI physics.comp-ph physics.soc-ph
Ranking of nodes of networks taking into account the power function of its weight of connections
要对社会性质的准层次网络中的节点进行排名，必须对网络进行详细分析，并根据所有给定的标准评估所获得的结果，并确定最具影响力的节点。现有的排名算法在绝大多数估计这样的网络一般，这不允许清楚地确定节点之间的影响。在研究的过程中，已知的算法的结果进行排名的HITS，PageRank的节点的分析，并比较所获得的数据与专家评价的网络。为了有效地分析准层次网络，HITS的基本算法进行了修改，它允许评估和排名节点根据给定的标准（之间的输入和输出链接的数量），这对应于专家评估的结果。结果表明，在某些情况下，收到的方法提供了与真实社会关系相对应的结果，以及节点作者的指数--预先分配的社会角色。
2017-11-14 cs.NI cs.SI physics.soc-ph
Predicting link directions via a recursive subgraph-based ranking
链接方向对网络的功能至关重要，它们的预测有助于从不完整的真实世界数据中更好地了解有向网络。研究了利用剩余环的存在性和方向来预测剩余环的方向的问题。我们提出了一个解决方案，首先排名节点在一个特定的顺序，然后预测每个链接从一个排名较低的节点向一个排名较高的。所提出的排名方法递归地工作，通过利用多个尺度上的本地指标，每个指标对应于从原始网络中提取的子图。在真实网络上的实验表明，我们的方法可以正确地恢复相当一部分链接的方向，这优于纯粹的本地或全球的方法。
2012-06-28 cs.SI physics.soc-ph
The interplay between ranking and communities in networks
社区发现和层次提取通常被认为是网络上独立的推理任务。在研究真实世界的数据时，只考虑两者之一可能过于简单化。在这项工作中，我们提出了一个生成模型的基础上社区和层次结构之间的相互作用。它假设每个节点在交互机制中有一个偏好，具有相同偏好的节点更有可能进行交互，而异构交互仍然是允许的。利用网络的稀疏性来实现更有效的算法。我们证明了我们的方法在合成和真实世界的数据和性能比较与两个标准的方法社区发现和排名提取。我们发现，该算法准确地检索整体节点的偏好在不同的情况下，我们表明，它可以区分小的子集的节点的行为不同于大多数。因此，该模型可以识别网络是否具有总体偏好的交互机制。这在没有关于什么结构可以很好地解释所观察到的网络数据集的明确“先验”信息的情况下是相关的。我们的模型允许从业者从数据中自动学习这一点。
2022-05-13 cs.SI physics.data-an physics.soc-ph
Deformed Laplacians and spectral ranking in directed networks
变形的组合拉普拉斯算子的建议，包括在几个现有的拉普拉斯算子的推广。作为这种构造的特殊情况，膨胀拉普拉斯算子被证明是有用的工具，用于在成对比较的有向网络中进行排名。扩张拉普拉斯算子的最小特征值的特征向量在任何连通图上具有相同的符号，并直接提供其节点的排名得分。的排名方法，措辞在一个组同步问题，适用于人工和真实的数据，其性能与其他排名策略进行了比较。这种方法的一个主要特点是存在一个变形参数，使排名中的前$k$对象的重点。此外，受这些结果的启发，还提出了一类介于无向随机游动和Pagerank随机游动之间的随机游动。
2017-10-24 math-ph math.MP physics.soc-ph
Accurate ranking of influential spreaders in networks based on dynamically asymmetric link-impact
我们提出了一个有效和准确的衡量排名的传播者，并确定有影响力的网络传播过程中。虽然边决定了节点之间的连接，但它们在传播中的具体作用应该明确考虑。连接节点i和j的边对于从i扩展到j和从j扩展到i的重要性可能不同。关键问题是节点j在通过边被i感染后，是否会接触到i本身无法直接到达的其他节点。有必要调用两个不等的权重wij和wji，根据节点i和j的邻域来表征边缘的重要性。源自节点的总不对称方向权重导致一种新的度量si，其量化了节点在扩散过程中的影响。s-shell分解方案进一步为节点分配s-shell指数或加权核心。基于si和加权核心度的排名的有效性和准确性通过将它们应用于九个真实世界的网络来证明。结果表明，它们通常优于基于节点度和k壳指数的排名，同时保持较低的计算复杂度。我们的工作代表了理解和控制疾病、谣言、信息、趋势和网络创新传播的关键一步。
2017-05-10 cs.SI physics.soc-ph
Reconstructing dynamical networks via feature ranking
Faculty of Information Studies in Novo Mesto（新梅斯托信息研究学院）；Universitat Pompeu Fabra（庞培法布拉大学）；Jožef Stefan Institute（约瑟夫·斯特凡研究所）；University of Ljubljana（卢布尔雅那大学）
关于实际复杂系统的经验数据越来越多。与此并行的是，需要新的方法来重建（推断）网络的拓扑结构，从时间分辨的观察，他们的节点动态。基于物理洞察的方法通常依赖于对仔细检查的网络的属性和动态的强假设。在这里，我们使用机器学习的见解来设计一种新的网络重建方法，基本上没有这样的假设。具体来说，我们将可用的轨迹（数据）解释为特征，并使用两种独立的特征排序方法--随机森林和RReliefF --对每个节点的重要性进行排序，以预测每个其他节点的值，从而产生重建的邻接矩阵。我们表明，我们的方法是相当强大的耦合强度，系统的大小，轨迹长度和噪声。我们还发现，重建质量强烈依赖于动力学制度。
2019-08-26 cs.LG cs.SI math.DS
Tackling information asymmetry in networks: a new entropy-based ranking index
信息是社会经济系统中各行为体的宝贵资产，其中很大一部分信息被纳入各行为体之间的联系网络。事实上，代理人建立的不同的相互联系模式可能导致网络结构知识的不对称;由于这需要不同的量化相关系统属性（例如，负债网络中的金融传染风险）的能力，能够更好地估计（否则）无法获得的网络属性的代理人最终具有竞争优势。在本文中，我们首次解决了网络拓扑结构所产生的信息不对称的量化问题。为了这个目的，我们定义了一个新的指数- InfoRank -旨在衡量每个节点所拥有的信息的质量，计算香农熵的合奏条件下的节点特定的信息。此外，我们测试我们的新的排名过程中的（不可访问的）网络结构的重建精度方面的性能，并表明它优于其他流行的中心性措施，在确定“信息最丰富”的节点。最后，我们讨论了网络信息不对称的社会经济影响。
2017-10-26 cs.SI physics.soc-ph
Ranking species in mutualistic networks
理解生态网络的结构上的微妙之处，被认为赋予它们增强的稳定性和鲁棒性，是一个最相关的主题。互惠相互作用已经被大量研究，其相应的二分网络，如植物传粉网络，已被报道表现出一个特征性的“嵌套”结构。在评估灭绝风险和可能的级联效应时，评估任何特定物种在互惠网络中的重要性是一项关键任务。在最近推出的算法的灵感-类似的精神，谷歌的PageRank，但具有内置的非线性-在这里，我们提出了一种方法-通过利用他们的嵌套架构-使我们能够得到一个健全的物种重要性的排名互利网络。这种方法明显优于其他现有的排名方案，可以成为非常有用的生态系统管理和生物多样性保护，在生态系统的哪些方面需要明确保护的决定。
2015-02-12 physics.soc-ph q-bio.PE
Node seniority ranking
图论的最新进展表明，仅使用图拓扑来识别网络中最老的节点是可能的。在这里，我们报告的应用程序异构现实世界的网络。为此，为了获得新的见解，我们提出了埃斯特拉达沟通性的理论框架。我们将其应用到两个技术网络（一个地下网络，一个局域网中的软件蠕虫的扩散）和第三个网络代表霍乱爆发。尽管在其图的邻接矩阵中引入了错误，但最老节点的识别是可行的，在很小的误差范围内，并且非常简单。应用包括搜索最初的疾病传播者（零号病人问题）、社交网络中的谣言、计算机网络中的恶意软件、停电中的触发事件、最古老的城市站点识别。
2014-02-25 cs.SI physics.soc-ph
Ranking hubs and authorities using matrix functions
基于底层图的邻接矩阵的指数的子图中心性和可通信性的概念已有效地用于无向网络的分析。在本文中，我们提出了一个扩展这些措施，有向网络，我们将它们应用到排名枢纽和当局的问题。扩展是通过二分实现的，即，将有向网络映射到具有两倍节点的二分无向网络上，以获得具有对称邻接矩阵的网络。我们明确地确定指数的邻接矩阵的原始的，有向网络的邻接矩阵，我们给出了一个解释的中心性和可通信性在这个新的背景下，导致一个技术排名枢纽和当局。矩阵指数法计算枢纽和当局相比，众所周知的HITS算法，无论是在小的人工例子和更现实的现实世界的网络。一些其他的排名算法也进行了讨论，并与我们的技术进行比较。使用高斯求积规则计算枢纽和权威的分数进行了讨论。
2012-10-01 cs.NA cs.SI math.NA
A universal optimization framework based on cycle ranking for influence maximization in complex networks
该研究针对复杂网络影响力最大化问题，提出基于网络基本环排序的通用优化框架，可从多种中心性度量中选影响者，传播范围提升1.5-3倍，且影响者间距仅为其他方法的1/3，凸显环结构的独特价值。
2024-05-15 cs.SI physics.soc-ph
Robustness of journal rankings by network flows with different amounts of memory
随着科学期刊数量的成倍增长，期刊排名对科学决策变得越来越重要。从投稿和订阅到拨款和招聘，研究人员，政策制定者和资助机构都受到期刊排名的影响，如ISI期刊影响因子。通常情况下，排名是从一系列期刊之间的引用网络中得出的，并且必然取决于这一选择。然而，很少有人知道如何强大的排名是选择纳入期刊。在这里，我们比较了三种基于网络流量的期刊排名的鲁棒性。他们模拟了研究人员浏览学术文献，在期刊之间迈步并在不同程度上记住他们以前的步骤的路径：零步记忆作为影响因子，一步记忆作为特征因子，两步记忆，对应于期刊之间引用流的零阶，一阶和二阶马尔可夫模型。我们的结论是，高阶马尔可夫模型表现更好，更强大的期刊选择。虽然我们的分析表明高阶模型的性能更好，但二阶马尔可夫模型的性能增益是以在更长的时间段内需要更多的引用数据为代价的。
2015-04-09 cs.DL physics.soc-ph
"You Know Because I Know": a Multidimensional Network Approach to Human Resources Problem
寻找人才，通常是在已经雇用的人中，是组织面临的一个普遍挑战。社交网络革命，像LinkedIn这样的在线工具，使我们能够明确和访问我们所感知的，但没有使用，几千年来：一个人在专业和个人关系网络中的确切位置和排名。搜索和挖掘员工在全球技能网络中的位置和方式，将使组织能够找到不可预测的知识，创新和专有技术来源。这种数据的丰富性和隐藏的知识需要一个多维和多技能的方法来解决网络排名问题。多维网络是具有多种关系的网络。据我们所知，没有基于网络的排名算法能够同时处理多维网络和多个属性的多个排名。在本文中，我们提出了这样一个算法，其目的是解决多维网络中的节点多排名问题。我们测试我们的算法在几个现实世界中的网络，从DBLP和安然电子邮件语料库中提取，我们展示了它的实用性，提供更少的琐碎和更灵活的排名比目前最先进的算法。
2013-05-30 cs.CY cs.DS 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
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
Ranking nodes in growing networks: When PageRank fails
PageRank可以说是最流行的排名算法，它被应用于从信息到生物和基础设施网络的实际系统中。尽管它在不同的科学领域中非常受欢迎和广泛使用，但算法的功效与其作用的网络属性之间的关系尚未完全理解。我们在这里研究PageRank的性能支持真实数据的网络模型，并表明现实的时间效应使PageRank失败的个性化最有价值的节点的广泛的模型参数。真实数据的结果与我们基于模型的研究结果在定性上一致。这种失败的PageRank揭示了静态的信息过滤方法是不合适的一个广泛的增长系统类，并建议，时间依赖的算法，这些系统的时间链接模式的基础上，需要更好地排名的节点。
2015-09-03 cs.IR cs.SI physics.soc-ph
Mind the gap in university rankings: a complex network approach towards fairness
大学排名越来越多地被用于学术比较和成功量化，甚至用于建立基于绩效的资金分配标准。然而，排名不是中立的工具，它们的使用往往忽视了机构初始条件的差异。在这项研究中，我们检测和测量结构性偏见，影响在不均匀的方式从不同的地域和教育背景的大学排名结果。此外，我们开发了一个更公平的评级系统，该系统基于一个完全数据驱动的去偏置策略，该策略对所获得的分数进行了以股权为导向的重新定义。其关键思想在于将大学划分为相似的组，使用复杂的网络分析从多方面的数据中确定，并将每个机构的表现与基于其同行的期望相关联。关于经合组织和意大利大学系统的官方排名出现领土偏见的重要证据，因此debiasing提供了相关的见解，建议设计更公平的战略，以绩效为基础的资金分配。
2022-03-07 physics.soc-ph
Supervised and Extended Restart in Random Walks for Ranking and Link Prediction in Networks
给定一个真实世界的图，我们如何衡量排名和链接预测的相关性分数？带重启的随机游走（RWR）为此提供了极好的测量，并且已经应用于各种应用，诸如朋友推荐、社区发现、异常检测等。然而，RWR遭受两个问题：1）对所有节点使用相同的重新开始概率限制了随机游走的表现力，以及2）在没有理论证明的情况下，需要为每个应用手动选择重启概率。我们在本文中有两个主要贡献。首先，我们提出了带扩展重启的随机游走（RWER），这是一种基于随机游走的度量，通过对每个节点使用不同的重启概率来提高随机游走的表达能力。改进的表现力导致了更高的排名和链接预测的准确性。其次，我们提出了SuRe（监督重启RWER），从给定的图学习RWER的重新启动概率的算法。SuRe消除了为RWER手动选择重启参数的需要。大量的实验表明，我们提出的方法提供了最好的性能排名和链接预测任务，提高MAP（平均平均精度）的最佳竞争对手高达15.8%。
2017-10-18 cs.SI physics.soc-ph
On node ranking in graphs
受新冠疫情应用启发，本文综述无向无权图节点排序经典方法，在含社区结构的真实基准网络中对比性能，并推广Newman基准网络以分析加权场景下的排序变化。
2021-07-20 cs.SI physics.soc-ph
Quantum Navigation and Ranking in Complex Networks
复杂网络是一种形式化的框架，它捕捉了大型系统和数据库元素之间的相互依赖关系。这种形式主义允许使用网络导航方法来排列每个组成部分对系统的全局组织的重要性。一个关键的例子是网页排名导航，它是万维网最常用的搜索引擎的核心。在这个经典算法的启发下，我们定义了一个量子导航方法，提供了一个独特的网络元素的排名。我们分析了量子导航收敛到网络的稳定秩，并表明量子性减少了收敛前的导航步骤的数量。此外，我们表明，量子导航允许解决经典秩中发现的简并。通过在真实网络中实现量子算法，我们证实了这些改进，并表明量子相干性揭示了复杂系统的全球组织的新的层次特征。
2012-09-05 cond-mat.stat-mech cs.SI physics.soc-ph
Scale-free network growth by ranking
网络增长目前是通过依赖于节点声望的措施，如程度或健身机制来解释。在许多真实网络中，创建和连接节点的人并不知道现有节点的声望值，而只知道它们的声望排名。我们提出了一个网络增长的标准，明确依赖于排名的节点根据任何声望的措施，无论是拓扑或不。当连接目标节点的概率是其秩的任意幂律函数时，即使只有部分节点秩信息，所得到的网络也具有无标度度分布。我们的标准可以解释的频率和鲁棒性的无标度分布在真实的网络中，所示的特殊情况下的Web图。
2006-05-09 cond-mat.dis-nn cond-mat.stat-mech physics.soc-ph
Ranking by Loops: a new approach to categorization
我们介绍了循环排名，一个新的排名措施的基础上检测的封闭路径，它可以计算在一个有效的方式。我们分析了它的几个排名措施，在过去已经提出，并广泛用于捕捉复杂网络中的顶点的相对重要性。我们认为，循环排名是一个非常合适的措施，以量化的顶点和边在网络流量中的作用。
2008-04-11 cond-mat.dis-nn physics.soc-ph
When standard network measures fail to rank journals: A theoretical and empirical analysis
期刊排名被广泛使用，通常基于引文数据并结合网络视角。我们认为，其中一些基于网络的排名可能会产生误导性的结果。从理论的角度来看，我们表明，标准的网络建模方法的引文数据在期刊水平（即，论文引用到期刊上的投影）引入了期刊之间的虚拟关系。为了克服这个问题，我们提出了一个引用路径的角度来看，并实证表明，基于网络和引用路径的角度排名是非常不同的。基于我们的理论和实证分析，我们强调了标准网络度量的局限性，并提出了一种方法来克服这些局限性和计算期刊排名。
2021-06-29 cs.DL cs.IR cs.SI
Journal Publications in Medicine: Ranking vs. Interdisciplinarity
University of Southampton（南安普顿大学）
本文研究了医学期刊的跨学科性，发现高影响力期刊的跨学科性较低，而癌症研究是推动医学跨学科性的重要因素。
2025-12-15 cs.SI physics.soc-ph
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
Ranking nodes in bipartite systems with a non-linear iterative map
本文提出一种基于非线性迭代映射的二分网络节点排序方法，通过调节参数γ适应不同重要性度量，在生态互惠网络中优于现有算法，并揭示临界相变与三角形堆积模式。
2025-03-31 cond-mat.stat-mech physics.soc-ph q-bio.QM
Ranking Scientific Publications Using a Simple Model of Network Traffic
考虑到引文网络的强烈老化特征，我们修改了Google的PageRank算法，首先将随机冲浪者随年龄呈指数分布，以支持最近的出版物。这个算法的输出，我们称之为CiteRank，被解释为研究人员如何找到新信息的简单模型中的个人出版物的近似流量。我们开发了一个分析的交通流的RPA类模型和优化我们的算法的参数，以达到最佳性能的理解。结果比较两个相当不同的引文网络：所有美国物理学会出版物和一套高能物理理论（hep-th）预印本。尽管这两个网络之间存在重大差异，但我们发现它们的CiteRank算法的最佳参数非常相似。
2006-12-13 cs.DL physics.data-an physics.soc-ph
Highlighting Entanglement of Cultures via Ranking of Multilingual Wikipedia Articles
不同的文化如何评价一个人？一种文化中的重要人物在另一种文化中是否也很重要？我们通过对多语种维基百科文章的排名来解决这些问题。本文基于维基百科的网络结构，采用三种排序算法对维基百科的9个多语种版本的所有条目进行排序，并对PageRank、CheiRank和2DRank的总体排序结构进行了研究。特别是，我们把重点放在与人有关的文章，确定前30名的人，每个版本之间的排名，并分析他们的分布在活动领域，如政治，艺术，科学，宗教，体育每个版本的区别。我们发现，当地的英雄是占主导地位的，但也存在全球英雄，并创造了一个有效的网络，代表文化的纠缠。对文化网络的Google矩阵分析显示出Zipf定律分布的迹象。这种方法允许检查文化之间的知识组织的多样性和共享特性。开发的计算，数据驱动的方法突出了文化的相互联系，在一个新的角度。
2013-10-08 cs.IR cs.SI physics.soc-ph
Comparing the reliability of networks by spectral analysis
本文给出了两个具有相同连通度的网络的可靠性排序方法。我们的方法是基于Cheeger常数连接网络的拓扑性质与它的频谱。我们首先分析了一组具有相同连通度和度分布的扭环，并利用它们的特征值间隙得到了它们的可靠性排序。利用重布线的方法，将所得结果推广到一般网络。我们的排名方法的成功进行了验证数值为IEEE 57，Erdens-Rényi，和小世界网络。
2014-09-02 cond-mat.stat-mech cs.SI physics.soc-ph
Diffusion of scientific credits and the ranking of scientists
最近，丰富的数字数据使得基于图的排名算法的实现成为可能，该排名算法为排名出版物和作者提供系统级分析。在这里，我们利用整个物理评论出版物档案（1893-2006）构建作者的网络，加权边缘，从适当的标准化引用计数测量，定义了科学信用转移机制的代理。在这个网络上，我们定义了一个基于扩散算法的排名方法，该算法模仿了网络上科学信用的传播。我们比较了我们的算法与当地的措施，如引用计数获得的结果，并提供了在物理领域的主要职业奖项的分配的统计分析。可以在地址http://www.physauthorsrank.org找到算法可用于执行定制等级分析的网站
2009-09-23 cs.DL physics.data-an physics.soc-ph
Quantifying and suppressing ranking bias in a large citation network
人们普遍认为，由于不同的科学领域采用不同的引用实践，不同领域的论文引用数不能直接比较。引用次数也受到论文年代的影响，因为较老的论文有更多的时间吸引引用。各种程序旨在消除这些偏差，并产生新的标准化指标，如相对引用数。我们使用Microsoft Academic Graph的大型引用数据集和基于Mahalanobis距离的新统计框架来显示，通过众所周知的指标（包括相对引用计数和Google的PageRank得分）进行的排名受到论文领域和年龄的显著影响。我们提出了一个一般的规范化程序的动机$z$分数，产生更少的偏见排名时，引用计数和PageRank分数。
2017-03-23 cs.DL cs.IR physics.data-an
Ranking Competitors Using Degree-Neutralized Random Walks
竞争在许多复杂的生物、社会和技术系统中普遍存在，在系统的进化动力学中起着不可或缺的作用。根据竞争的结果来确定系统中为生存和成功而竞争的组成部分的支配等级或排名通常是有用的。在这里，我们提出了一个排名方法的基础上的网络上的随机游走表示的竞争对手的节点和竞争的有向边与不对称的权重。我们使用边缘权重和节点度来定义每个边缘上的梯度，该梯度引导随机游走器朝向较弱（或较强）的节点，这使我们能够将稳态占用解释为节点的弱点（或强度）的度量，该节点没有不必要的度引起的偏差。我们将我们的方法应用于两个真实世界的竞争网络，并探讨了排名稳定性和预测精度的问题，发现我们的方法优于其他方法，包括在稀疏网络中的基线输赢差分方法。
2016-08-10 cond-mat.stat-mech cs.SI physics.soc-ph
A complex networks approach to ranking professional Snooker players
详细分析了1968-2020年期间斯诺克运动中的比赛，并根据相应的结果计算了一个有向和加权的优势网络。我们认为一个排名程序的基础上，充分研究PageRank算法，不仅包含了球员的职业生涯中的胜利的数量，但也面临着在这些胜利的对手的质量的细节。通过这项研究，我们发现，约翰希金斯是最高性能的斯诺克球员的所有时间与罗尼奥沙利文出现在第二位。我们展示了这种方法如何可以应用于各种时间段，在每个时间段，我们可以确定在相应的时代最强的球员。这个过程，然后比较与更经典的排名计划。此外，一个被称为排名时钟的可视化工具被引入到这项运动中，可以立即分析单个竞争对手的职业轨迹。这些结果进一步证明了网络科学在量化体育领域成功方面的应用。
2020-10-16 physics.soc-ph
Characterizing cycle structure in complex networks
圈是网络中最简单的结构，它在网络连通性中产生冗余路径，在网络动力学中产生反馈效应。针对网络的环结构，定义了一个新的矩阵--环数矩阵来表示网络的环信息，定义了一个指标--环比来量化节点的重要性。在真实网络上的实验表明，循环比包含了丰富的信息，例如，循环比的节点排序与度、H指数、核心度、介数和连接度的排序有很大的不同，而度、H指数、核心度的排序则非常相似。大量的实验表明，周期比是有竞争力的介数和整体优于其他基准，识别重要的节点，保持网络的连通性，促进网络同步，并最大限度地提高传播的早期到达。我们相信，对循环结构的深入分析可以为网络科学提供新的见解、度量、模型和算法。
2021-04-19 cs.NI math.CO physics.data-an
Consensus ranking for multi-objective interventions in multiplex networks
高中心性节点对网络的行为具有不成比例的影响;因此控制这些节点可以有效地将系统引导到期望的状态。现有的多重中心性措施通常排名节点假设层是定性相似的。然而，许多真实的系统由本质上异构的网络组成，例如，社交网络可能具有不可知层和从属层。在这里，我们使用秩聚合方法来确定干预目标时，结构，动态和我们的干预目标是定性不同的每一层的多重网络。我们的方法是在每一层中分别对节点进行排名，考虑它们的不同功能和期望的结果，然后我们使用Borda计数或Kemeny聚合来确定共识排名-期望共识排名中的顶级节点在所有层中同时有效地平衡竞争目标。为了证明共识排名的有效性，我们将我们的方法应用于基于度的节点移除过程，以便我们的目标是破坏某些层中的最大组件，同时保持其他层中的大规模连通性。对于任何多目标的干预，最佳目标只存在于帕累托意义上，因此，我们使用加权泛化的共识排名调查竞争目标之间的权衡。我们使用一组模型和真实网络来系统地研究这种权衡是如何受到多重网络结构的影响的。我们使用copula表示的多重中心分布生成模型多重网络与给定的秩相关性。这允许使用单独操纵每层的边缘中心分布和层之间的相互依赖性，并使用分析和数值方法独立地研究两者的作用。
2019-06-07 cond-mat.stat-mech physics.soc-ph
