多维、多层、非线性和动态HITS
Multi-Dimensional, Multilayer, Nonlinear and Dynamic HITS
AI总结：
本文提出了一种基于多齐次顺序保持映射的 Perron 特征向量的时序多维加权有向网络排名模型，扩展了HITS算法到时序多层设置，并定义了五个中心性向量，包括节点、层和时间戳的向量，通过非线性引入保证了任何网络的中心性向量存在性和唯一性。
摘要：
我们介绍了一种基于多齐次顺序保持映射的Perron特征向量的时序多维加权和有向网络的排名模型。该模型将HITS算法扩展到时序多层设置，并定义了五个中心性向量：两个用于节点，两个用于层，一个用于时间戳。为了保证任何网络的中心性向量的存在性和唯一性，非线性被引入到标准的HITS模型中，而无需对网络的连通性结构有任何要求。我们引入了一种全局收敛的类似于幂迭代的算法来计算这些中心性向量。通过在真实世界网络上进行数值实验，以评估所提出模型的有效性，并展示所伴随算法的性能。
英文摘要：
We introduce a ranking model for temporal multi-dimensional weighted and directed networks based on the Perron eigenvector of a multi-homogeneous order-preserving map. The model extends to the temporal multilayer setting the HITS algorithm and defines five centrality vectors: two for the nodes, two for the layers, and one for the temporal stamps. Nonlinearity is introduced in the standard HITS model in order to guarantee existence and uniqueness of these centrality vectors for any network, without any requirement on its connectivity structure. We introduce a globally convergent power iteration like algorithm for the computation of the centrality vectors. Numerical experiments on real-world networks are performed in order to assess the effectiveness of the proposed model and showcase the performance of the accompanying algorithm.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
