Robustness and Closeness Centrality for Self-Organized and Planned Cities
街道网络是覆盖地球大部分地区的重要基础设施交通系统。现在广泛接受的是，在街道网络本身与所谓的\textit{information}或\textit{dual network}之间的相互作用中更好地理解街道网络的运输属性，所述\textit{information}或\textit{dual network}嵌入了街道网络导航系统的拓扑结构。在这项工作中，我们提出了一种新的鲁棒性分析，基于两个大都市，伦敦和芝加哥的原始和双重运输层之间的相互作用，从而考虑结构差异，故意攻击\textit{self-organized}和规划的城市。我们通过在欧几里得空间以及原始空间和对偶空间之间的关系中进行准确的接近中心性分析来阐述结果。有趣的是，我们发现，即使所考虑的平面图显示非常独特的属性，信息空间诱导它们收敛到系统的运输性能方面是相似的。
2016-03-02 physics.data-an 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
Axioms for Centrality
给定一个社交网络，哪个节点更中心？这个问题已经在社会学、心理学和计算机科学中被问过很多次了。中心性指数（centrality indices）或排名（rankings）被提出来说明网络节点的重要性。在本文中，我们试图提供一个数学上健全的调查，从文献中已知的最重要的经典中心性措施，并提出了一个公理化的方法来建立他们是否真的在做他们已经被设计。我们的公理提出了一些简单的，基本的性质，一个中心性措施应该表现出来。令人惊讶的是，只有一个基于距离的新的简单度量，谐波中心性，才能满足所有公理;本质上，谐波中心性是对巴韦拉斯经典的接近中心性的修正，旨在以自然的方式考虑不可到达的节点。作为一个健全的检查，我们反过来检查每一个措施的镜头下的信息检索，利用国家的最先进的知识，在学科来衡量的有效性，在定位网页的各种索引是相关的查询。虽然在文献中有一些这种比较的例子，在这里，我们第一次考虑到中心性措施的基础上的距离，如接近度，在信息检索设置。结果与我们使用公理化方法收集的数据非常吻合。我们的研究结果表明，基于距离的中心性措施，这已被忽视的信息检索在过去的几年中，有利于频谱中心性措施，实际上是非常高的质量，此外，调和中心弹出作为一个优秀的通用中心性指标任意有向图。
2013-11-06 cs.SI physics.soc-ph
Hybrid Centrality Measures for Binary and Weighted Networks
现有的社会网络分析中心性度量方法考虑了参与者的重要性，并考虑了参与者在网络中的特定结构位置。这些现有度量建议了行动者的特定属性（即，受欢迎程度、可访问性和经纪行为）。在这项研究中，我们提出了新的混合中心性措施（即，度-度、度-接近度和度-中间度），通过结合现有的度量（即，度、接近度和中间度），并提出更好地理解参与者在给定网络中的重要性的建议。本文还提出了加权网络的广义测度集。我们对合著网络数据集的分析表明，我们提出的新的中心性度量（特别是加权网络）与传统的中心性度量相比，与学者的表现具有显着的相关性。因此，它们是有用的措施，可以用来代替传统的措施，以显示在网络中的演员的突出。
2012-02-10 cs.DL cs.SI physics.soc-ph
Discriminating Power of Centrality Measures
中心性度量的计算是网络研究中的常见做法，因为它们试图量化单个顶点、边或其他组件的重要性。不同的中心试图以不同的方式衡量重要性。本文研究了E. Estrada关于区分网络顶点的几种度量的能力。Estrada指出，如果一个图的所有顶点都具有相同的子图中心性，那么所有顶点也必须具有相同的度、特征向量、贴近度和介数中心性。我们提供了一个反例后两个中心性措施，并提出了一个修正的猜想。
2013-05-14 cs.SI physics.soc-ph
Stability and Continuity of Centrality Measures in Weighted Graphs
本文给出了加权图中节点中心性度量稳定性的正式定义。结果表明，常用的度，贴近度和特征向量中心性的措施是稳定的，而介数中心性不是。后者的另一种定义，保留了相同的中心性概念，同时满足稳定性标准的介绍。连续性是作为一个不太严格的替代稳定性。介数中心性不仅是不稳定的，但不连续。在合成随机网络和真实世界的数据的数值实验表明，在实践中，稳定性和连续性意味着不同程度的鲁棒性在噪声数据的存在。特别是，稳定的介数中心性表现出对噪声的弹性，是不存在的不连续和不稳定的标准介数中心性，同时保持类似的概念的中心性。
2014-10-19 cs.SI physics.soc-ph
About the Discriminant Power of the Subgraph Centrality and Other Centrality Measures About the Discriminant Power of the Subgraph Centrality and Other Centrality Measures(Working paper)
分析了度、特征向量、贴近度、介数和子图中心度等中心度指标的判别能力。它是由其节点的中心性的标准偏差为零的图的数量定义的。在实证分析的基础上，得出了子图中心性比其他中心性具有更好的判别能力的结论。我们还提出了一些新的插图类型的图的子图中心不区分非等价节点。
2013-05-28 cs.SI math.CO physics.soc-ph
Gromov Centrality: A Multi-Scale Measure of Network Centrality Using Triangle Inequality Excess
中心性度量基于不同的几何或扩散属性量化网络中节点的重要性，并关注不同的尺度。在这里，我们采用几何的观点来定义网络中的多尺度中心性。给定节点之间的度量距离，我们通过三角形不等式超额的概念，通过节点接近其邻域中节点之间的测地线的趋势来测量节点的中心性。根据邻域的大小，所得到的Gromov中心性定义了图中不同尺度上节点的重要性，并恢复为限制众所周知的概念，如聚类系数和贴近度中心性。我们认为，Gromov中心性的影响的几何和边界约束的网络，并说明它如何可以帮助区分不同类型的节点在随机几何图形和经验运输网络。
2022-05-10 cs.SI physics.soc-ph
Betweenness Centrality as a Driver of Preferential Attachment in the Evolution of Research Collaboration Networks
我们分析了科学合作网络中的偏好连接是否对具有不同形式中心性的作者有所不同。使用一个完整的数据库的科学专业的研究“钢结构”，我们表明，介数中心的现有节点是一个显着更好的预测优先附件的新进入者比度或接近中心。在网络的生长过程中，偏好连接从（局部）度中心性转变为作为全局度量的介数中心性。一种解释是，博士项目的导师和博士后在新进入者和现有网络之间牵线搭桥，从而成为优先依附的焦点。由于这种中介作用，学术网络的发展可以预期不同于那些基于对高度中心性节点的偏好连接的网络。
2012-02-02 cs.SI physics.soc-ph
Sensitivity and Reliability in Incomplete Networks: Centrality Metrics to Community Scoring Functions
网络分析是理解相互作用实体的复杂系统的行为的重要工具。然而，由于数据收集技术的限制，网络模型中可能会缺少一些交互。这是一个在所有使用网络分析的领域中普遍存在的问题，从社交网络到超链接网络到生物网络。因此，分析网络的一个重要问题是了解增加噪声水平（即丢失边缘的百分比）如何影响不同的网络参数。在本文中，我们评估了噪声对社区评分和基于中心的参数的影响，涉及网络分析的两个不同方面：（i）灵敏度，即参数值如何随着边缘被移除而变化;（ii）消息传播的可靠性，即广播消息所需的时间如何随着边缘被移除而变化。我们在合成网络和真实世界网络以及三种不同噪声模型上的实验表明，对于所有网络和所有噪声模型的两个方面，持久性都是最有效的度量标准。对于敏感性实验，接近中心性是第二位的。对于消息传播实验，基于接近性和介数中心性的发起者选择与持久性密切竞争。这是因为持久性具有双重特性，其中所有顶点上的累积持久性对噪声敏感，但用于在消息传播期间寻找种子的顶级顶点的id在噪声下保持相对稳定。
2016-08-24 cs.SI physics.soc-ph
Absorbing Random Walks Interpolating Between Centrality Measures on Complex Networks
中心性，量化了单个节点的“重要性”，是现代网络理论中最基本的概念之一。由于节点在许多方面都很重要，因此使用了许多不同的中心性度量。在这里，我们集中讨论常见的中间性和接近中心性的版本。前者测量通过给定节点的节点对之间的路径的分数，而后者测量特定节点和所有其他节点之间的平均倒数距离。两个中心性仅考虑最短路径（即，测地线）之间的节点对。在这里，我们开发了一种方法，吸收马尔可夫链的基础上，使我们能够不断地插入这两个中心的措施远离测地线的限制，并朝着限制，没有限制的路径长度的步行者可以探索。在该第二个极限处，内插的介数和接近度中心性分别降低到众所周知的当前介数和电阻接近度（信息）中心性。该方法在四个真实网络上进行了数值测试，揭示了节点中心性排名相对于插值参数值的复杂变化。非单调介数行为被发现的特征节点，靠近社区间的边界在所研究的网络。
2020-01-31 cond-mat.stat-mech physics.soc-ph
Lexical Sorting Centrality to Distinguish Spreading Abilities of Nodes in Complex Networks under the Susceptible-Infectious-Recovered (SIR) Model
复杂网络中的传染病建模是近年来研究的热点之一。易感-感染-传染（SIR）模型及其变体常用于流行病建模。传染病建模中的一个重要问题是确定网络中节点的传播能力。因此，例如，可以在早期阶段检测到。在这项研究中，我们开发了一个中心性措施，称为词汇排序中心性（LSC），区分节点的传播能力。使用为节点计算的其他中心性度量，LSC以类似于字母顺序的方式对节点进行排序。我们使用SIR对六个数据集进行了模拟，以评估LSC的性能，并将LSC与度中心性（DC），特征向量中心性（EC），接近中心性（CC），介数中心性（BC）和引力中心性（GC）进行了比较。实验结果表明，LSC能更准确、更果断、更快速地判别节点的传播能力。
2021-01-24 cs.SI physics.soc-ph
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
Identifying nodal properties that are crucial for the dynamical robustness of multi-stable networks
我们研究了连接在不同网络拓扑结构中的双稳态元素的集体动力学，从环和小世界网络到无标度网络和恒星。我们估计这样的网络的动态鲁棒性，通过引入多节点流域稳定性的概念的一个变体，这使我们能够衡量的全球稳定性的动态网络响应于局部扰动影响某一类节点的系统。我们发现，扰动节点具有高的接近度和中间中心显着降低了系统的能力，以返回到所需的状态。这种效应对于星形网络非常明显，其中一个中心节点的接近度/中间中心度与所有外围节点显著不同。在这样的网络中，单个枢纽节点的扰动有能力破坏集体状态。另一方面，即使大多数外围节点受到强烈扰动，枢纽节点也能设法将系统恢复到原始状态，这表明受扰动节点的中心性对网络动态的巨大影响。此外，我们探索探索双稳态动力学元素的随机无标度网络。我们利用m=1和m=2的随机无标度网络中节点的介数中心性、贴近度中心性和度分布的差异，来探讨在这些异构网络中，哪种中心性属性对集体动力学的鲁棒性影响最大.值得注意的是，我们发现明确的证据表明，扰动节点的介数中心性是更重要的动态鲁棒性，比接近中心性或程度的节点。这一结果对于决定保护哪些节点以维护该网络的集体状态以对抗有针对性的本地化攻击非常重要。
2018-01-08 nlin.CD physics.soc-ph
Identifying influential spreaders in complex networks based on gravity formula
如何识别社交网络中有影响力的传播者，对于加速/阻碍信息传播、增加产品曝光率、控制疾病和谣言等都至关重要。本文将每个节点的k壳值视为其质量，将两个节点之间的最短路径距离视为它们之间的距离，然后受引力公式思想的启发，本文提出了一个引力中心性指标来识别复杂网络中的有影响力的传播者。通过与度中心性、介数中心性、贴近中心性、k壳中心性等著名中心性指标的比较，表明该方法能够有效地识别真实网络和合成网络中的影响传播者.我们还使用经典的易感-感染-传染（SIR）流行病模型来验证我们的方法的良好性能。
2016-03-29 cs.SI physics.soc-ph
Scaling of Street Network Centrality with City Population
研究分析5,000多座巴西城市，揭示街道网络平均接近中心性随人口呈 $N^{-0.38}$ 亚线性标度，并结合 Molinero & Thurner 模型解释扩张中的效率与可达性权衡。
2025-02-18 physics.soc-ph
Global Rank Estimation
在现实世界的复杂网络中，节点的重要性取决于两个重要参数：1。节点的特性，以及2.给定应用程序的上下文。目前的文献包含几个中心性的措施，已被定义为衡量一个节点的重要性的基础上给定的应用程序的要求。这些中心性度量为每个节点分配一个中心性值，表示其重要性指数。但在实际应用中，我们更感兴趣的是节点的相对重要性，可以使用基于给定中心性度量的中心性秩来度量。为了计算一个节点的中心性排名，我们需要计算所有节点的中心性值并比较它们以获得排名。这个过程需要整个网络。因此，由于现实世界网络的大规模和动态性，它对于现实生活中的应用是不可行的。在本项目中，我们的目标是提出快速有效的方法来估计一个节点的全局中心性排名，而无需计算所有节点的中心性值。这些方法可以进一步扩展到估计秩，而无需整个网络。所提出的方法使用的结构行为的中心性措施，抽样技术，或机器学习模型。在这项工作中，我们还讨论了如何将这些方法用于度和贴近度中心性秩估计。
2017-10-31 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
Embedding the intrinsic relevance of vertices in network analysis: the case of centrality metrics
复杂网络理论（CNT）在科学界引起了广泛的关注，因为它能够模拟和解释大量的自然和人类现象。其中最活跃的CNT领域涉及的顶点和边缘的网络中心性的评估。已经提出了几种度量，但它们都有一个拓扑观点，即中心性从网络的局部或全局连接结构下降。然而，顶点可以独立于拓扑展示其自身的内在相关性;例如，表示战略位置的顶点（例如，医院、水和能源等）或机构角色（例如，主席、机构等）。在这些情况下，连通性网络结构和顶点内在相关性共同定义顶点和边的中心性。这项工作的目的是嵌入到CNT工具的顶点的内在相关性的信息，以加强网络分析。我们专注于程度，接近度和介数指标，是最常用的。两个例子，关于社会（历史佛罗伦萨家庭婚姻网络）和基础设施（供水系统）网络，证明了建议的相关嵌入扩展的中心性指标的有效性。
2020-03-03 cs.SI physics.soc-ph
Using Core-Periphery Structure to Predict High Centrality Nodes in Time-Varying Networks
具有高介数和接近中心性的顶点表示网络中有影响力的实体。时变网络的一个重要问题是使用最小的计算先验地知道当前时间步的有影响的顶点是否将在未来的时间步中保持其高中心性，随着网络的发展。在本文中，基于几个大型真实世界的时变网络的经验证据，我们发现了一类网络，其中高度中心的顶点是网络的最内层核心的一部分，并且这种性质随着时间的推移而保持。作为这项工作的一个关键贡献，我们提出了新的算法来识别这些网络在一个最佳的方式，也开发了一个两步算法来预测高中心顶点。因此，我们第一次证明，对于这样的网络，随着网络的变化，在每个时间步中进行昂贵的最短路径计算是完全可以避免的;相反，我们可以使用时间序列模型（例如，ARIMA）来预测当前时间步中的高中心性顶点与未来时间步中的高中心性顶点之间的重叠。此外，一旦新网络及时可用，我们可以简单地根据它们的高度找到顶部核心中的高中心性顶点。
2018-06-20 cs.SI physics.soc-ph
"Betweenness Centrality" as an Indicator of the "Interdisciplinarity" of Scientific Journals
除了影响力和即时性等期刊的科学引文指标外，社会网络分析还提供了一套中心性指标，如度，介数和接近中心性。这些措施首先分析了整个集合的7,379种期刊，包括在科学引文索引和社会科学引文索引2004年的期刊引文报告，然后也与当地的引用环境，可以被视为代理的专业和学科。介数中心性被证明是一个指标的跨学科的期刊，但只有在当地的引用环境和规范化后，因为否则的程度中心性（大小）的影响盖过介数中心性措施。该指标适用于各种引文环境，包括与政策相关的环境，如生物技术和纳米技术。
2009-11-13 physics.soc-ph
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
Correlation between centrality metrics and their application to the opinion model
近几十年来，人们提出了许多描述网络节点属性的中心性度量来对节点的重要性进行排序。为了理解中心性度量之间的相关性，并通过强相关的低复杂性度量来近似高复杂性中心性度量，我们首先研究了中心性度量之间的相关性，即它们的Pearson相关系数和它们在节点排名中的相似性。除了考虑广泛使用的中心性度量，我们引入了一个新的中心性度量，度质量。一个节点的m阶度质量是该节点及其不超过m跳的邻居的加权度之和。我们发现，B_{n}，接近度，以及x_{1}的组件是强相关的程度，一阶度质量和二阶度质量，分别在网络模型和现实世界的网络。从理论上证明了x_{1}与二阶质量的皮尔逊相关系数大于x_{1}与低阶质量的皮尔逊相关系数。最后，我们调查的影响，根据不同的中心性指标选择的不灵活的拮抗剂，帮助一个意见，以竞争与另一个不灵活的拮抗剂意见模型。有趣的是，我们发现，在所有类型的网络中，基于杠杆、B_{n}或程度来选择不灵活的对抗者在意见竞争中比使用其他中心性度量更有效。这一观察得到了我们先前观察的支持，即，在程度和B_{n}之间存在强的线性相关性，以及在杠杆和程度之间存在高的中心相似性。
2014-09-21 cs.SI physics.soc-ph
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
Generalized Erdos Numbers for network analysis
在本文中，我们考虑的概念，在一个加权的网络，可以定义的拓扑结构，即使在没有一个度量节点之间的“接近度”。广义埃尔德斯数（GENs）满足许多期望的性质，作为当节点之间共享有限资源时的拓扑接近性的度量，因为它们是实值的和非局部的，并且可以用于创建非对称的连通矩阵。我们表明，它们可以用来定义一个个性化的衡量网络中节点的重要性与自然的解释，导致一个新的全球衡量中心性，是高度相关的页面排名。GEN的相对不对称性（由于其非度量定义）也与随机游走中节点之间的平均首次通过时间的不对称性有关，我们使用GEN的线性化形式来开发空间网络中“接近”的连续模型。作为其实用性的一个例子，我们部署它们来描述静态网络的结构，并显示它如何与网络上的动态在这种情况下，如流行病的传播。
2015-07-15 cs.SI physics.soc-ph
Centrality in Modular Networks
由于网络的广泛应用，如加速信息扩散或阻止病毒传播，识别网络中的有影响力的节点是一个基本问题。多年来，出现了许多基于网络拓扑结构的度量方法来识别有影响力的节点，如介数、接近度和特征值中心性。然而，尽管大多数现实世界的网络都是模块化的，但很少有措施利用这一特性。最近的工作表明，它对网络上的动力学有显着的影响。在模块化网络中，节点有两种类型的影响力：通过其社区内链接的局部影响力（对其社区的节点）和通过其社区间链接的全局影响力（对其他社区中的节点）。根据社区结构的强度，这两个组成部分或多或少都有影响力。基于这一思想，我们提出了扩展所有的标准中心性措施定义的网络没有社区结构的模块化网络。所谓的“模块中心性”是一个二维的向量。它的第一个组件量化了节点在其社区中的局部影响力，而第二个组件量化了其对网络其他社区的全球影响力。为了说明模块中心性扩展的有效性，与标量对应的传染病过程设置进行比较。模拟结果使用易感-感染-被感染（SIR）模型的合成网络与控制的社区结构，可以得到一个清晰的想法社区结构的强度和主要类型的影响（全球/本地）之间的关系。此外，在真实网络上的实验证明了这种方法的优点。
2018-10-12 cs.SI physics.soc-ph
The role of centrality for the identification of influential spreaders in complex networks
网络中最有影响力的传播者的识别对于控制和理解系统的传播能力以及确保有效的信息传播（例如在谣言动态中）是重要的。最近的工作表明，有影响力的传播者的识别是不是独立的动态正在研究。例如，在分析社会传染或谣言传播时，关键的疾病传播者可能不一定是这样。此外，它已被证明，不同的度量（度，核心等）可能会识别不同的影响节点，即使是相同的动态过程，不同程度的准确性。在本文中，我们研究了九个中心性指标如何与构成不同合成和真实世界（空间和非空间）网络的节点的疾病和谣言传播能力相关。我们还提出了一个推广的随机游走可达性作为一个新的中心性措施，并推导出解析表达式，后者的措施，简单的网络配置。研究结果表明，在非空间网络中，$k$ -core和度中心性与传染病传播的相关性最强，而平均邻域度、贴近中心性和可达性与谣言动态的相关性最强.相反，对于空间网络，可达性度量在几乎所有情况下都优于其他中心性度量，无论考虑的是哪种动态。因此，我们分析的一个重要结果是，以前在合成随机网络中进行的研究不能推广到空间网络的情况。
2014-04-17 cs.SI physics.soc-ph
Leveraging local h-index to identify and rank influential spreaders in networks
复杂网络中影响节点的识别因其重要的理论和实际应用价值而受到越来越多的关注。传统的度中心性、介数中心性、贴近度中心性、核心度中心性等方法在检测影响节点时都存在或多或少的不足，相关文献对此进行了阐述。最近，h指数，这是用来衡量科学家或学者的出版物的生产力和引文影响，已被引入到网络世界，以评估一个节点的传播能力。然而，该方法分配了太多具有相同值的节点，这导致在区分这些节点的实际影响时的分辨率限制问题。本文提出了一种局部h-指数中心性（LH-指数）方法来识别和排序网络中的影响节点。LH指数方法同时考虑了节点本身及其邻居的h指数值，这是基于节点连接到更有影响力的节点也会有影响力的想法。根据随机SIR模型在四个真实网络和几个模拟网络中的仿真结果，证明了LH指数方法在识别网络中影响节点方面的有效性。
2017-09-15 cs.SI physics.soc-ph
In-Core Computation of Geometric Centralities with HyperBall: A Hundred Billion Nodes and Beyond
给定一个社交网络，哪个节点更中心？这个问题已经在社会学、心理学和计算机科学中被问过很多次了。中心性指数（centrality indices）或排名（rankings）被提出来说明网络节点的重要性。在本文中，我们接近的问题计算几何中心，如密切和调和中心，非常大的图形，传统上，这项任务需要一个所有对最短路径计算的确切情况下，或一些宽度优先遍历近似计算，但这些技术产生非常弱的统计保证高度不连通的图形。我们假设图是以半流的方式访问的，也就是说，邻接列表几乎是顺序扫描的，每个节点在核心内存中只有非常少量的内存（大约十几个字节）。我们利用基于HyperLogLog计数器的新发现的算法，使其能够以非常高的速度和高精度近似一些几何中心。虽然在MapReduce框架中尝试应用类似的算法来近似接近度，但我们对HyperLogLog计数器的利用以指数方式减少了内存占用，为使用“仅”2TiB RAM的1000亿节点的网络的核心处理铺平了道路。此外，我们描述的计算本质上是可并行的，并且随着可用内核的数量线性扩展。
2013-08-12 cs.DS cs.SI physics.soc-ph
Subgraph Centrality in Complex Networks
我们引入了一个新的中心性度量，它描述了网络中所有子图中每个节点的参与程度。较小的子图被赋予比较大的子图更多的权重，这使得这种度量适合于表征网络模体。我们表明，子图中心性（SC）可以从网络的邻接矩阵的频谱数学上得到。这种度量比其他度量（如度、接近度、介数和特征向量中心度）更能区分网络的节点。我们研究了八个真实世界的网络，SC显示有用的和理想的属性，如明确的节点排名和无标度特性。与每个节点的连接数相比，SC引入的排序（对于S。cereviciae）与从蛋白质组中去除的单个蛋白质的致死性更高度相关。
2005-04-27 cond-mat.stat-mech physics.soc-ph
Centralities in Simplicial Complexes
复杂网络可以用来表示现实世界中的复杂系统。在这里，我们研究这些复杂的网络转化为单纯形复合体，其中团代表的单纯形的复杂。本文将节点中心性的概念推广到单纯中心性的概念，并研究单纯复形的度、贴近度、介数、特征向量、Katz和子图中心性的数学性质。我们研究了这些中心性在不同层次上的度分布。我们还比较和描述了不同层次的中心性之间的差异。使用这些中心性，我们研究了一种方法，用于检测PPI网络的细胞中的必需蛋白质，并解释了不同的能力的中心性措施，在不同的水平，在确定这些必需蛋白质。本文以独立的方式撰写，因此网络理论的从业者可以将其用作进一步发展的基础。
2017-09-01 cs.SI math.CO math.GN
Path lengths, correlations, and centrality in temporal networks
在时间网络中，节点通过临时事件序列进行交互，信息或资源只能通过遵循事件时间顺序的路径流动。这种时间路径在动态过程中起着至关重要的作用。然而，由于网络到目前为止通常被认为是静态或准静态的，时间路径的属性还没有得到很好的理解。基于节点间平均时间距离的定义和算法实现，我们研究了人类通信和航空运输经验网络中的时间路径。虽然时间距离与静态图距离相关，但存在很大的扩展，并且从静态网络视图看起来很近的节点可能通过慢速路径连接或根本不连接。静态属性和时间属性之间的差异在时间贴近度中心性的研究中得到了进一步的强调。此外，相关性和异质性的基础事件序列的影响时间路径长度，增加时间距离的通信网络和减少它们在空中运输网络。
2011-07-19 cond-mat.dis-nn cs.SI physics.data-an
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
Preferential attachment: a multi-attribute growth process generating scale-free networks of different topologies
本文扩展了基于度的优先连接增长过程的考虑，并应用五种不同的连接标准（节点度，聚类系数，介数中心性，接近中心性，和特征向量中心性）来定义网络中新链接的发展。基于统计推断的分析表明，所有可用的控制属性都能生成SF网络，所提出的广义偏好附着生长过程在不同的控制属性下生成具有统计上不同拓扑结构的网络，介数中心性是生成拓扑结构更优的控制属性网络.总体而言，本文介绍了一个多维的概念化的偏好连接，这可以激励进一步的研究，并可以提供新的工具，为现实世界的网络，目前不能完全解释度驱动的BA模型的建模和解释。
2020-01-15 physics.data-an physics.soc-ph
The diplomat's dilemma: Maximal power for minimal effort in social networks
亲密度是衡量网络中心性的一个全球性指标，也是衡量参与者在社交网络中影响力的一个指标。在大多数网络模型和许多经验网络中，紧密度与度密切相关。然而，在社交网络中，维持社会关系是有成本的。这导致了一种情况（这种情况可能发生在高管、说客、外交官等的职业社交网络中），即代理人在追求中心性的同时保持低程度的目标相互冲突。我们研究这种情况下，在一个自适应的网络进化模型，代理优化自己的位置在网络中的个人策略，并只使用本地信息。基于代理及其邻居的成功，策略也被优化。我们测量和描述网络的时间演化和代理的策略。
2008-05-26 physics.soc-ph q-bio.PE
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
Identifying the starting point of a spreading process in complex networks
在处理流行病传播时，可以提出的一个重要问题是污染开始的位置。在本文中，我们分析了三种扩频方案，提出并验证了一种有效的方法来识别源节点。该方法是基于对采样网络上的节点的中心性的计算，在这里表示为度，介数，接近度和特征向量中心性。我们表明，源节点往往具有最高的测量值。该方法的潜力说明相对于三个理论复杂的网络模型，以及现实世界的网络，电子邮件网络的大学Rovira i Ravili。
2016-07-22 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
The meaning of closeness to women and/or LGBTQ+ physicists: a social network analysis
本文通过社会网络分析探讨了女性及LGBTQ+物理学家关系中的'亲近'概念，发现信任和支持是核心因素，并为机构支持性别和性少数物理学家提供建议。
2026-02-06 physics.ed-ph physics.soc-ph
Predicting Efficiency in master-slave grid computing systems
本文对Barabási-Albert、Erdens-Rényi和Watts-Strogatz三种复杂网络模型下的分布式计算效率进行了定量分析。模拟了一个主/从计算模型。选择一个节点作为主节点，并在其他节点（客户端）之间分配任务。提取与主节点相关的拓扑测量（例如其度或Betwenness中心性）并将其视为总执行时间的预测因子。结果发现，接近中心性提供了最好的选择。网络尺寸的影响也进行了研究。
2012-07-12 cs.DC physics.comp-ph physics.soc-ph
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
Shortest Paths in Complex Networks: Structure and Optimization
在复杂网络的几个拓扑性质中，最短路径代表了一个特别重要的特性，因为它不仅对其他拓扑性质有潜在的影响，而且主要是对网络上发生的几个动力学过程的影响。此外，一些实际情况，如城市交通，可以通过修改网络以减少相应的最短路径来受益。在目前的工作中，我们解决的问题，试图减少几个理论和现实世界的复杂网络的平均最短路径，根据不同的策略添加一定数量的链接。更具体地说，我们考虑了：在度相对较低和较高的节点之间放置新的链接;增强网络的度规则性;根据度优先连接;链接介数中心性相对较低和较高的节点;以及链接可访问性相对较低/较低，较低/较高和较高/较高的节点。已经获得了一些有趣的结果，包括识别的可访问性为基础的战略，提供最大的减少平均最短路径长度。另一个有趣的发现是，对于几种类型的网络，基于度的方法倾向于提供与使用计算成本更高的介数中心性测量所获得的改进相当的改进。
2020-03-26 cs.SI physics.soc-ph
Higher-Order Aggregate Networks in the Analysis of Temporal Networks: Path structures and centralities
最近的研究时间网络突出了静态网络的观点，我们的理解与动态拓扑结构的复杂系统的局限性。特别是，最近的工作表明，i）在现实世界的时间网络中出现的链接的特定顺序影响因果关系结构，从而影响动力学过程的演化，ii）时间网络的高阶聚合表示可以用来分析研究这些顺序相关性对动力学过程的影响。在这篇文章中，我们分析了顺序相关性对基于路径的中心性措施在现实世界的时间网络的影响。在六个经验时间网络中分析中介性，接近性和到达中心性的时间等价物，我们首先表明，对常用的静态，时间聚集表示的分析可能会对节点的实际重要性产生误导。我们进一步研究高阶时间聚合网络，最近提出的推广常用的静态，时间聚合表示的时间网络。在这里，我们特别定义了基于路径的中心性措施的基础上二阶聚合网络，经验验证，以这种方式计算的节点中心性更好地捕捉节点的真实时间中心性比节点中心性计算的基础上常用的静态（一阶）表示。除了提供一个简单而实用的方法近似的基于路径的时间网络的中心性，我们的研究结果突出了有趣的观点，使用高阶聚合网络的时间戳网络数据的分析。
2015-08-26 cs.SI physics.soc-ph
Impact of seed node position on network robustness under localized attacks
The University of Tokyo（东京大学）
本研究提出LAVI指标，用于量化局部攻击下节点的脆弱性，发现其比传统中心性度量更准确地反映网络鲁棒性退化。
2026-09-24 cs.SI physics.soc-ph
Network centrality measures and their correlation to mixed-uses at the pedestrian-scale
街道网络分析作为评估行人连通性及其与土地利用强度和组合的关系的工具具有吸引力;然而，由于各种理论，方法和考虑因素，在城市设计中的应用引发了一系列关于实施细节的问题，并且目前还不清楚其中哪些可能是最适用于与土地利用有关的行人尺度。此外，很难在不求助于底层算法和计算工作流程的情况下直接评估类似的不同方法。为此，cityseer-api Python包在这里用于开发，计算和比较一系列中心性方法，然后将其应用于大伦敦的Orlando Survey Open Roads数据集。中心性与高分辨率的土地使用和混合使用的措施计算从Orlando调查点的兴趣数据集相同的分析点，使用空间精确的方法，网络距离的前提位置。比较结果表明，混合使用的相关性更强的接近比介中心;分段措施往往提供略强的相关性比基于节点的等价物;加权变量提供类似于未加权版本的相关性，但具有更大程度的空间特异性;最简单路径方法在当地商业街混合用途的情况下具有优势，但不一定适用于整个地区的混合用途或土地-使用可访问性;并且将中心性度量应用于双重网络并不提供优于原始网络的切实好处。
2021-07-01 physics.soc-ph
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
Reliability of rank order in sampled networks
在复杂的无标度网络中，根据节点的重要性对各个节点进行排序有着非常有用的应用，例如识别控制流行病的枢纽，或控制交通拥堵的瓶颈。然而，在大多数实际情况下，只有有限的子结构的整个网络是可用的，因此，在抽样网络的顺序关系的可靠性需要调查。使用一组从底层原始网络中随机抽样的节点，我们通过三个中心性度量对单个节点进行排名：度，介数和接近度。来自采样网络的较高排名的节点比较低排名的节点提供了它们在原始网络中的排名的相对更好的表征。基于接近度的顺序关系比任何其他数量都更可靠，这是由于接近度度量的全局性质。此外，我们表明，如果访问集线器是有限的，在采样过程中，增加采样分数实际上可以降低采样精度。最后，提出了一种评估抽样精度的估计方法。
2007-02-17 cond-mat.stat-mech physics.data-an physics.soc-ph
Key to Network Controllability
Liu等人最近提出了在有向网络上获得完全结构可控性所需的驱动节点的最小数量。驱动程序节点是不匹配的节点，从这些节点有指向所有匹配节点的路径。他们最重要的主张是，系统的可控性在很大程度上是由底层网络的度分布$P(k_{in}, k_{out})$编码的。网络的可控性是否几乎完全取决于节点的近邻，而即使是稍微远一点的节点也不起作用？出于上述问题的动机，在本次交流中，我们认为，一个有效的理解在有向网络的可控性可以达到使用基于距离的措施的接近中心和介数中心，可能不需要的知识，如在度和出度的局部连接措施。
2012-09-17 cond-mat.stat-mech cs.SI physics.soc-ph
Graph Metrics for Temporal Networks
时间网络，即，其中一组基本单元之间的相互作用随时间变化的网络可以根据时变图来建模，所述时变图是一组节点上的图的时间排序序列。在这样的图中，节点邻接性和可达性的概念关键取决于链接的确切时间顺序。因此，所有的概念和度量提出并用于静态复杂网络的特性必须重新定义或适当地扩展到时变图，以考虑因果关系的时间排序的影响。在本章中，我们将讨论如何表示时态网络，并回顾对链接随时间波动的图有效的行走、路径、连通性和连通分量的定义。然后，我们专注于时间节点的节点距离，我们讨论了如何在这类网络的持续性和时间的小世界行为。最后，我们讨论了经典的中心性度量，包括贴近度，介数和谱中心性，随时间变化的图的情况下，我们回顾了时间模体分析和时间图的模块度的定义的工作。
2013-06-03 cs.SI physics.soc-ph
Centrality measures in simplicial complexes: applications of Topological Data Analysis to Network Science
在社会科学、生物和生物医学科学或计算机科学中，许多真实网络具有反映多体相互作用的单纯复形的固有结构。因此，为了分析单纯复形网络的拓扑和动力学性质，需要提出单纯形的中心性度量。许多经典的复杂网络的中心性是基于节点的度，所以为了定义单纯形的度中心性度量（这会影响单纯网络中单纯社区的相关性），需要对单纯形之间的邻接性进行不同的定义。这些笔记的目的是三个方面：首先，我们将使用最近引入的高阶单纯度的概念，提出新的程度为基础的中心性措施在单纯复形。这些理论中心性度量，如单纯度中心性或特征向量中心性，不仅可以研究单纯网络中单纯社区的相关性及其高阶连接的质量，而且可以帮助阐明单纯网络的拓扑和动力学性质;第二，我们定义了单纯复形中的行走和距离的概念，以研究单纯网络的连通性，并推广到单纯的情况，众所周知的接近中心和中间中心（例如，需要研究单纯共同体在传递信息能力方面的相关性）;第三，我们提出了一个新的单纯形网络中单纯形的聚类系数，不同于迄今所知的，它推广了顶点的标准图聚类。这个度量对于了解单纯网络的单纯社区密度是必不可少的。
2020-04-15 math.AT math.CO physics.soc-ph
Exploiting Temporal Complex Network Metrics in Mobile Malware Containment
恶意手机蠕虫通过短距离蓝牙联系在设备之间传播，类似于人类和其他生物病毒的传播。最近的工作采用流行病学和复杂网络的模型来分析恶意软件的传播和修补特定节点的影响。这些方法采用了移动网络的静态观点，即，通过聚集随时间出现的所有边，这导致真实交互的近似表示：相反，这些网络本质上是动态的，并且边的出现和消失受到人类接触的排序的高度影响，这是现有复杂网络测量根本无法捕获的。在本文中，我们首先研究如何通过免疫关键节点（即使通过静态或时间介数中心性度量仔细选择）阻止恶意软件传播是无效的：这是由于这些网络中的替代路径的丰富性。然后，我们引入了一个时间感知的遏制策略，传播补丁消息从节点具有高的时间接近中心，并使用三个真实世界的数据集显示其有效性。时间上的接近度允许识别能够快速到达大多数节点的节点：我们表明，该方案可以减少蜂窝网络资源消耗和相关成本，同时在有限的时间内完全遏制恶意软件。
2011-05-10 cs.NI physics.soc-ph
How to Identify an Infection Source with Limited Observations
在社交网络中传播的谣言或在社区中传播的疾病可以被建模为在网络中传播的感染。找到感染源是一个具有挑战性的问题，在许多应用程序中，我们只能访问有限的一组观察结果，这使得问题更加困难。我们考虑的问题，估计一个易感感染模型的感染源，其中不是所有的感染节点都可以观察到。当网络是一棵树时，我们证明了与产生有限观测的最可能感染路径相关联的源节点的估计量由Jordan中心给出，即，与观察到的感染节点的集合具有最小距离的节点。我们还提出了一般网络的近似源估计。在各种合成网络和真实网络上的仿真结果表明，我们的估计性能优于基于距离、接近度和介数中心性的算法。
2014-04-02 cs.SI physics.soc-ph
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
A Game-Theoretic Algorithm for Link Prediction
预测网络中的边是社会网络分析中的关键问题，并且涉及基于网络的结构属性来推理节点之间的关系。特别是，链接预测可用于分析网络将如何发展，或者在不完全信息的情况下发现“缺失”的链接。我们解决这个问题的方法植根于合作博弈论，在那里我们提出了一个新的，准本地的方法（即，一个考虑在某个半径k内的节点），其结合了广义组接近中心性和半值交互指数。我们开发了快速算法来计算我们的措施，并在一些现实世界的网络上进行评估，在那里它优于其他国家的最先进的方法从文献中的选择。重要的是，选择准局部方法的最佳半径k是困难的，并且不能保证选择是最佳的。此外，当与其他准局部方法相比，我们取得了非常好的结果，即使给定一个次优半径k作为参数。
2019-12-30 cs.SI physics.soc-ph
