Centrality measures and thermodynamic formalism for complex networks
在研究小型和大型网络时，通常执行简单的随机行走，其中随机行走者以均匀的概率从一个节点跳到其相邻节点之一。这种随机游走的性质与网络的组合性质密切相关。在本文中，我们建议使用Ruelle-Bowens随机游走，其概率转移的选择，以最大限度地提高熵率的步行在一个未加权的图形。如果图被加权，则自由能被优化而不是熵率。具体来说，我们引入了一个大型网络的中心性度量，这是通过Ruelle-Bowens随机游走获得的平稳分布;我们称之为熵秩。我们介绍一个更通用的版本，能够处理断开的网络，在自由能排名的名称。我们比较了这些中心性措施的性质与经典的PageRank和HITS的玩具和现实生活中的例子，特别是他们的鲁棒性网络的小修改。据观察，我们的中心性措施有一个更好的区分能力比PageRank，能够清楚地区分页面，PageRank持有几乎同样有趣的，是更敏感的中等规模的细节图。
2010-09-29 cond-mat.stat-mech physics.data-an physics.soc-ph
Distributed Algorithms for Computation of Centrality Measures in Complex Networks
Tsinghua University（清华大学）；CNR-IEIIT, Politecnico di Torino（意大利都灵理工大学国家研究委员会信息工程研究所）；The Hong Kong University of Science and Technology（香港科技大学）
本文提出分布式算法计算复杂网络中多种中心性度量，包括确定性算法在有向图中计算度、接近度和中介中心性，以及针对时变图的PageRank问题设计随机算法，并引入持久图概念消除垃圾节点影响，算法在几乎处处和$L^p$意义下收敛。
2016-05-30 cs.SI cs.SY eess.SY
Dynamics-based centrality for general directed networks
确定有向网络中节点的相对重要性对于网站、出版物和运动队的排名以及理解系统生物学中的信号流都很重要。在这方面，一个流行的中心性度量是PageRank。在这项工作中，我们专注于另一类中心性来自网络的拉普拉斯算子。我们扩展的拉普拉斯中心，这主要是应用于强连接网络，一般有向网络的情况下，我们可以定量比较任意节点。为此，我们采用PageRank中使用的思想，在具有一定强度的所有节点对之间引入全局连接性。在一些网络上进行了数值模拟。我们还提供了基于拉普拉斯的一般有向网络的各种动力学和结构特性的中心性的解释。重要的是，拉普拉斯为基础的中心性定义为固定的密度的连续时间随机游走随机跳跃被证明是等价的吸收概率的随机游走汇在每个节点，但没有随机跳跃。类似地，所提出的中心性表示在具有汇但不具有随机跳跃的原始网络上的节点在动力学中的重要性。
2010-11-08 cond-mat.dis-nn 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
Multiplex PageRank
许多复杂系统可以被描述为多路复用网络，其中相同的节点可以在不同的层中彼此交互，从而形成一组交互和共同进化的网络。这种多重系统的例子是社交网络，其中人们参与不同类型的关系并通过各种形式的通信媒体进行交互。多重网络中节点的排序问题是当前复杂网络研究面临的最紧迫、最具挑战性的课题之一。当节点对可以通过多个链路和多个层连接时，节点的排名必须反映节点在一个层中的重要性以及它们在其他相互依赖的层中的重要性。在本文中，我们借鉴有偏随机游走的思想来定义多重PageRank中心性度量，其中直接考虑了网络之间的相互作用对节点中心性的影响。特别是，根据层之间的相互作用的强度，我们定义的加法，乘法，组合，和中性版本的多重PageRank，并显示每个版本如何反映在何种程度上一个节点的重要性在一个层影响的重要性节点可以获得在另一个层。我们讨论这些措施，并将其应用到一个在线多元化的社会网络。研究结果表明，考虑到网络的多重性，有助于发现不同的排名从一个单一的层获得的节点的排名的出现。结果提供了支持，有利于多个中心的措施，如多重PageRank的显着性，用于评估嵌入在多个相互作用的网络中的节点的突出性，并为脱落的结构特性，否则将保持未检测到的，如果每个相互作用的网络进行了分析，在隔离的新光。
2013-09-23 cond-mat.stat-mech cs.SI physics.soc-ph
Early identification of important patents through network centrality
技术预测中最具挑战性的问题之一是尽早确定那些有可能导致我们社会发生根本变化的技术。在本文中，我们使用美国专利引文网络（1926-2010年），以测试我们的能力，早期识别一系列具有历史意义的专利，通过引文网络分析。我们表明，为了有效地发现这些专利后不久，他们被授予，我们需要超越原始引用计数，并考虑到引文网络拓扑结构和时间信息。特别是，一个年龄归一化的专利中心性的措施，称为重新缩放的PageRank，使我们能够识别显着的专利早于引用计数和PageRank得分。此外，我们发现，虽然高影响力专利倾向于以类似于科学论文的方式依赖于其他高影响力专利，但专利的引用动态明显慢于论文，这使得重要专利的早期识别比重要论文更具挑战性。
2017-10-25 cs.DL cs.IR cs.SI
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
Spectral centrality measures in complex networks
复杂网络的特点是节点度的异质性分布，这使得网络中节点的角色多样化。已经引入了几种中心性度量来基于节点在图中的拓扑重要性对节点进行排名。在这里，我们审查和比较中心性措施的基础上，图矩阵的谱特性。我们将专注于PageRank，特征向量中心和HITS的中心/权威分数。我们得到简单的措施和（在）度的节点之间的关系，在一定的限制。我们还比较了不同的中心性措施获得的排名。
2008-09-23 cond-mat.dis-nn physics.comp-ph physics.soc-ph
Two Steps to Obfuscation
本说明讨论了1998年PageRank中心性度量的历史渊源。同一性关系将其与Friedkin和Johnsen的1990-1991模型联系起来。
2014-02-12 cs.SI physics.soc-ph
Sampling on networks: estimating spectral centrality measures and their impact in evaluating other relevant network measures
我们进行了广泛的分析如何抽样影响几个相关的网络措施的估计。特别是，我们专注于如何采样策略优化，以恢复一个特定的光谱中心性措施影响其他拓扑数量。我们的目标是一方面扩展TCEC [Ruggeri2019]行为的分析，TCEC是一种用于特征向量中心估计的理论基础采样方法。另一方面，为了更广泛地展示采样如何影响相关网络属性的估计，例如不同于旨在优化的中心性度量，社区结构和节点属性分布。最后，我们适应TCEC背后的理论框架的情况下，PageRank中心，并提出了一个抽样算法，旨在优化其估计。我们表明，虽然理论推导可以适当地适应，以涵盖这种情况下，所得到的算法遭受的高计算复杂性，需要进一步的近似相比，特征向量中心的情况下。
2020-03-10 cs.SI physics.data-an physics.soc-ph
Classical and quantum random-walk centrality measures in multilayer networks
多层网络分析是研究具有多样性、众多关系的实体的结构特性的有用方法。对节点和节点层元组的重要性进行分类是多层网络研究的一个重要方面。要做到这一点，通常需要计算各种中心性度量，这允许人们根据各种结构特征对节点和节点层进行排名。在本文中，我们制定占领，PageRank，介数，和封闭中心的节点占用性质的不同类型的连续时间的经典和量子随机游走多层网络。我们将我们的框架应用于各种合成和现实世界的多层网络，我们确定经典和量子中心性措施之间的显着差异。我们的计算还提供了一些基于随机行走和基于测地线路径的中心之间的相关性的见解。
2021-04-25 cond-mat.stat-mech physics.soc-ph quant-ph
On the limiting behavior of parameter-dependent network centrality measures
Emory University（埃默里大学）；Lawrence Livermore National Laboratory（劳伦斯利弗莫尔国家实验室）
研究参数化节点中心性度量的极限行为，揭示参数调节如何在度中心性和特征向量中心性间插值，并探讨谱间隙和三角形数量对网络排名的影响。
2015-04-30 cs.NA cs.SI math.NA
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
Selection of Centrality Measures Using Self-Consistency and Bridge Axioms
本文研究图核诱导的中心性度量族，给出自洽性与桥公理的充要/充分条件，揭示PageRank的异常性质，并证明采用这些公理可大幅减少度量选择时间。
2023-08-25 cs.SI math.CO math.MG
HawkesRank: Event-Driven Centrality for Real-Time Importance Ranking
HawkesRank通过动态建模外源性驱动和内源性放大，提供实时重要性排名方法，优于传统静态中心性度量。
2026-03-12 cs.LG cs.SI physics.soc-ph
Identification of milestone papers through time-balanced network centrality
科学论文之间的引用和相关的文献计量学指数，如$h$ -作者索引和期刊影响因子，正越来越多地被用作研究评价的定量工具，但往往是以有争议的方式使用。然而，一个基本的研究问题仍然悬而未决：定量指标在多大程度上捕捉科学作品的意义？我们分析了1893年至2009年美国物理学会（APS）期刊发表的$449,935$论文的引文网络，并重点比较了基于引文计数的指标与基于网络的指标。我们对比了五个文章级别的指标，它们分配给一组基础论文的排名，称为里程碑信件，由APS编辑精心挑选，“通过宣布重大发现或启动新的研究领域，为物理学做出长期贡献”。一个新的指标，它结合了PageRank中心性与明确的要求，即论文分数不受论文年龄的影响，是识别里程碑信件的整体性能最好的指标。新指标中没有时间偏差，因此也可以用它来比较相同尺度下不同年龄的论文。我们发现，基于网络的指标识别里程碑字母比基于引用计数的指标，这表明引用网络的结构包含的信息，可用于提高科学出版物的排名。这里提出的方法和结果是相关的所有不断发展的系统，网络中心性指标的应用，例如万维网和在线社交网络。一个互动的网络平台，它可以查看排名的APS论文通过重新缩放PageRank可在地址\url{http://www.sciencenow.info}。
2016-11-08 cs.DL cs.IR cs.SI
Stability Optimization and Analysis of Energy Flow Networks versus Different Centrality Measurement
针对大规模能量流网络资源分配中关键节点选择的挑战，本文系统研究不同中心性度量（如Katz、特征向量中心性等）对网络稳定性的影响，通过统一动态模型和数值模拟揭示其差异，为优化控制提供实用见解。
2025-08-23 cs.SY eess.SY physics.soc-ph
Impact of hierarchical modular structure on ranking of individual nodes in directed networks
许多系统，从生物和工程系统到社会系统，都可以建模为有向网络，其中链接表示两个节点之间的有向交互。为了评估节点在有向网络中的重要性，已经提出了基于不同标准的各种中心性度量。然而，计算一个节点的中心度往往是困难的，因为网络的规模过大或有关网络的信息不完整。因此，需要开发一种近似方法来估计中心性措施。在这项研究中，我们专注于模块化网络;许多现实世界的网络是由模块组成的，其中连接在一个模块内是密集的，在不同的模块之间是稀疏的。我们表明，排名类型的中心性措施，包括PageRank可以有效地估计一旦网络的模块化结构被提取。我们开发了一种分析方法来评估节点的中心性，通过结合本地属性（即，节点的入度和出度）和全局属性（即，模块的中心性）。所提出的方法与实际数据相印证。我们的研究结果提供了一个链接之间的排名类型的中心性值的模块和个人节点。它们还揭示了网络的层次结构，即不同相对重要性的模块之间的连接所形成的从属关系（而不是嵌套关系）。本研究提出了一个新的动机，确定模块的网络。
2009-11-05 physics.soc-ph
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
Centrality measures for graphons: Accounting for uncertainty in networks
Columbia University（哥伦比亚大学）；MIT（麻省理工学院）；University of Oxford（牛津大学）；Rice University（莱斯大学）
本文研究了图ons中的中心性度量，提出了一种基于图ons理论的统计方法，通过定义图ons的中心性度量并建立其与传统图中心性度量之间的联系，以应对大规模不确定网络中的计算和概念挑战。
2018-11-28 cs.SI cs.SY eess.SY
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
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
Distribution of centrality measures on undirected random networks via cavity method
本文利用腔方法推导无向随机网络中 Katz 中心性的递归分布方程，并用种群动力学算法高效求解，揭示了中心性分布随平均度从多峰向单峰的转变，同时提出秩-1 投影近似公式并展望推广至 PageRank 等度量。
2024-02-16 cond-mat.stat-mech physics.soc-ph
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
The earthquake network: the best time scale for network construction
本研究针对地震网络构建中依赖多年大数据集的问题，提出时序网络构建方法，结合小世界特性，基于伊朗和加州数据得出最佳构建结果的最小时间尺度，并通过度中心性、PageRank验证其重要性。
2023-01-05 physics.geo-ph physics.soc-ph
Regional and Sectoral Structures and Their Dynamics of Chinese Economy: A Network Perspective from Multi-Regional Input-Output Tables
多地区投入产出表（MRIOT）包含了一个经济体中各地区部门之间的交易，定义了一个加权有向网络。本文利用网络分析工具，通过中国的MRIOTs，分析了2007 - 2012年中国经济的区域和部门结构及其时间动态。全局分析与网络拓扑结构的措施。增长驱动的省级部门集群确定与社区检测方法。有影响力的省份部门通过加权PageRank得分进行排名。结果揭示了一些有趣和有说服力的见解。省际部门间的经济活动水平随着国民经济的快速增长而提高，但不如省内经济活动的速度快。区域群落结构与地理因素密切相关。在研究期间，各区域的群落异质性较高，区域破碎化程度增加。衡量省域部门在国民经济中相对重要性的量化指标，在一定程度上反映了国家和地区的经济发展政策。
2021-02-24 econ.GN physics.soc-ph q-fin.EC
How to choose the most appropriate centrality measure? A decision tree approach
Technion–Israel Institute of Technology（技术学院–以色列理工学院）；Institute of Control Sciences, RAS（控制科学研究所）
本文提出culling方法，通过决策树调查问卷和简单图区分40种中心性度量，仅需13个1-树即可完成区分，为选择最合适的中心性度量提供了低成本且高效的解决方案。
2024-06-19 cs.HC cs.LG cs.SI
Reconstructing directed networks for better synchronization
本文研究了在有向网络中通过操纵固定数目的链接来增强同步的策略。我们提出了一种基于中心性的重构（CBR）方法，其中节点的中心性是由著名的PageRank算法测量。大量的数值模拟结果表明，CBR方法是更有效地促进同步比度为基础的重建方法和随机重建方法添加或删除链接。这是因为CBR方法可以有效地缩小网络的度分布，增强网络的层次结构。此外，我们将CBR方法应用于链路重布线过程中，在每一步中删除一个链路，并添加一个新的链路。CBR方法有助于决定应删除或添加哪些链接。经过几个步骤后，得到的网络非常接近进化优化算法的最优结构。在Kuramoto模型上的数值仿真进一步证明了该方法在缩短有向网络同步收敛时间方面的优势。
2011-06-29 cs.DS nlin.CD physics.soc-ph
Analysis of relative influence of nodes in directed networks
许多复杂网络都是用有向链路来描述的;在这样的网络中，链路代表了一个节点对另一个节点的控制或单向的信息流。一些中心性度量用于确定有向网络中节点的相对重要性。我们分析这样一个中心性的措施称为影响力。影响力表示节点在各种动态中的重要性，例如同步、进化动态、随机游走和社会动态。我们分析计算的影响，在各种网络，包括有向多部网络和有向版本的Watts-Strogatz小世界网络。在许多情况下，网络的全局属性（如层次结构和捷径的位置）而不是节点的局部属性（如度）被证明是节点影响力的主要决定因素。该方法也适用于计算PageRank。我们还数值计算表明，在耦合振荡器系统中，当起搏器被放置在有影响力的节点上时，起搏器夹带的阈值很低。对于一类随机网络，解析推导的阈值近似等于影响的倒数。我们数值表明，这种关系也适用于随机无标度网络和神经网络。
2009-10-24 physics.soc-ph
Rumor propagation with heterogeneous transmission in social networks
谣言模型认为每对节点之间的信息传输概率相同。然而，在包含有影响力的传播者的社交网络中没有观察到这种假设。为了克服这一局限性，我们假设中心个体比边缘个体具有更高的说服邻居的能力。通过大量的数值模拟，我们发现在无标度网络中，当传输概率与PageRank、度和介数中心性成正比时，传播得到了改善。此外，结果表明，扩展可以通过调整最中心节点的传输概率来控制。我们的研究结果为理解社交网络中谣言传播和异质传播之间的相互作用提供了一个概念框架。
2016-12-23 cond-mat.stat-mech physics.soc-ph
Using network science to quantify economic disruptions in regional input-output networks
投入产出（IO）表提供了一种标准化的方式来看待经济体中所有行业之间的货币流动。IO表可以被认为是网络-节点是不同的行业，边缘是它们之间的流。我们开发了一个基于网络的分析，考虑在一个国家内的区域和次区域一级的多区域IO网络。我们计算传统的基于矩阵的IO措施（如“乘数”）和新的网络理论为基础的措施，在这个更高的空间分辨率。我们将这些方法与应用于相同IO数据的中断模型的结果进行了对比，以证明介数中心性可以很好地指示经济中断的流量，而特征向量型中心性度量则可以与传统IO multiplers.We相比，还显示了在不同的空间聚集水平上处理IO网络的效果。
2019-10-28 econ.GN physics.soc-ph q-fin.EC
Using Node Centrality and Optimal Control to Maximize Information Diffusion in Social Networks
Indian Institute of Science（印度科学学院）
本文研究如何通过节点中心性与最优控制策略优化信息在社交网络中的扩散，比较不同中心性指标的效果，并验证在资源有限时优先选择中心节点的策略。
2016-03-12 cs.MA cs.SI cs.SY
Identification of highly susceptible individuals in complex networks
在传播过程中识别高易感个体对控制疫情具有重要意义。在本文中，我们探讨了易感性的人在易感染恢复（SIR）和谣言传播动力学。我们首先研究社区结构对人们易感性的影响。尽管在相同的感染率下，社区结构可以减少感染种群，但它不会确定性地影响节点的敏感性。我们发现个体的易感性对传播动力的选择是敏感的。对于SIR传播，由于敏感度与节点的影响力高度相关，因此拓扑指标k-shell可以更好地识别高度敏感的个体，优于度，介数中心性和PageRank。而在谣言传播模型中，节点的敏感性和影响力没有明显的相关性，度在所考虑的拓扑度量中表现最好。我们的发现强调了拓扑特征和传播机制在识别高度易感人群中的重要性。
2015-04-27 cs.SI physics.soc-ph
How are new citation-based journal indicators adding to the bibliometric toolbox?
Scopus和Google Scholar的推出，以及社交网络分析方法的发展，使评估期刊的指标比ISI的传统影响因子，引用半衰期和即时性指数更多。在这项研究中，这些新指标相互比较，并与旧的。各种指标是否衡量了引文网络的新维度，或者它们之间是否高度相关？它们是否随着时间的推移而稳健且相对稳定？有两个主要方面-规模和影响-合在一起形成影响。H指数结合了这两个维度，也可以被认为是覆盖范围的指标（如Indegree）。PageRank主要是大小的指标，但与中心性度量有重要的相互作用。Scimago期刊排名（SJR）指标提供了期刊影响因子的替代方案，但计算不太容易。
2009-09-24 cs.DL physics.data-an physics.soc-ph
Comparison of sectoral structures between China and Japan: A network perspective
该研究基于1995-2018年投入产出表构建中日投入产出网络，利用PageRank和社区检测等方法揭示两国部门结构差异及演变，发现中国以制造业为核心、日本偏向服务业，但部门社区均保持稳定。
2024-02-23 econ.GN physics.soc-ph q-fin.EC
Supervised Rank Aggregation for Predicting Influence in Networks
社会网络分析的许多工作都集中在识别社会网络中最重要的参与者。这导致了一些影响力和权威的措施。虽然大多数这样的社会计量学（例如，PageRank）是由基于参与者在网络中的位置的直觉驱动的，要求“最有影响力”的参与者本身就是一个不适定的问题，除非它与特定的可测量任务放在一起。在给定领域中构建感兴趣的预测任务提供了一种定量比较不同影响措施的机制。此外，当我们知道要收集什么类型的可操作洞察力时，我们不需要依赖于单一的网络中心性度量。测量的组合更有可能捕获社交网络的各个方面，这些方面对于任务是预测性的和有益的。为此，我们提出了一种监督排名聚合的方法，由社会选择理论的技术驱动。我们通过在Twitter和引文网络上的实验说明了该方法的有效性。
2011-08-24 cs.GT cs.IR cs.SI
Spreading dynamics in complex networks
在复杂网络中寻找有影响力的传播者是一个具有重要意义的问题，可以应用于各个领域，从流行病控制，创新扩散，病毒式营销，社会运动到思想传播。在本文中，我们首先展示了一些最重要的理论模型，描述了传播过程，然后分别讨论了定位个人和多个有影响力的传播者的问题。这两个主题的最新方法。为了识别特权单传播者，本文总结了几种广泛使用的中心性，如度中心性、介数中心性、PageRank、k-shell等。有了这个广泛的数据集，我们发现各种措施可以传达非常不同的节点信息。在LiveJournal社交网络的所有用户中，只有一小部分参与传播。对于LiveJournal中的传播过程，度可以以更高的概率定位参与信息扩散的节点，而k壳在发现影响力大的节点时更有效。我们的研究结果应该提供有用的信息，在现实中设计有效的传播策略。
2013-12-22 cs.SI physics.soc-ph
Convergence criteria for self-consistent measures in bipartite networks
Budapest University of Technology and Economics（布达佩斯技术大学）；The University of Tokyo（东京大学）；Meiji Gakuin University（明治学院大学）；Central European University（中欧大学）；Aalto University（阿尔托大学）
本文研究双分网络中自一致度量的收敛性准则，提出两种改进收敛性质的方法。
2026-08-20 physics.soc-ph
Ranking influential nodes in networks from partial information
本文提出利用低秩近似，证明仅凭节点邻域局部信息即可可靠估计网络中的节点影响力，无需完整网络图谱，适用于PageRank、营养级、上游度及中心性等，并探讨了其对非线性网络观测量的影响。
2022-11-08 cond-mat.stat-mech physics.soc-ph q-bio.OT
World Input-Output Network
传统上被分析为几乎独立的国家系统的经济系统在全球范围内的联系日益紧密。世界投入产出数据库是最近才建立的，它是在全球一级编制多区域投入产出表的第一批努力之一。通过将世界投入产出系统视为一个相互依赖的网络，其中节点是不同经济体中的各个行业，边缘是行业之间的货币商品流动，我们研究了所谓的世界投入产出网络（WION）的网络特性，并记录了其随时间的演变。我们能够量化不仅是一些全球网络的属性，如迁移率，聚类系数，度和强度分布，但它的子图结构和动态使用社区检测技术。随着时间的推移，我们发现生产系统的跨国连通性显著增加，只是被2008-2009年的危机暂时中断。此外，我们还发现，以德国为首的欧洲投入产出区域共同体正在不断壮大，中国在全球生产体系中的地位也在上升。最后，我们使用基于网络的PageRank中心度和社区核心度来识别WION中的关键行业和经济体，其结果不同于传统的最终需求加权后向联系度量。
2014-07-01 physics.soc-ph q-fin.GN
Biased random walkers and extreme events on the edges of complex networks
极端事件的发生概率很低，并显示出明显偏离其平均行为，如地震或停电。这种极端事件发生在一个复杂的网络节点上，已经通过无偏随机游走的建模框架进行了广泛的研究。它们揭示了极端事件在网络节点上的发生概率与节点的性质有很强的依赖性。除此之外，最近的一项研究表明，边缘上的极端事件与节点上发生的极端事件是独立的。因此，在这项工作中，我们提出了一个更一般的形式主义，研究极端事件所产生的有偏随机游走网络的边缘上的属性。这种形式主义适用于基于各种网络中心性措施，包括PageRank的偏见。结果表明，有偏随机游走作为网络上的动力学，极端事件的概率依赖于本地属性的边缘。对于网络的某些边，概率是高度可变的，而对于同一网络上的其他一些边，概率近似为常数。该特征对于应用于随机游走算法的不同偏差是鲁棒的。此外，使用这种形式主义的结果，它表明，网络是更强大的极端事件发生在边缘相比，发生在节点上。
2021-10-28 cond-mat.dis-nn cond-mat.stat-mech physics.data-an
