How Correlated are Community-aware and Classical Centrality Measures in Complex Networks?
与经典的中心性度量不同，最近发展起来的社区感知中心性度量使用网络的社区结构来识别复杂网络中有影响力的节点。本文研究了它们之间的关系，一组来自不同领域的50个真实世界的网络。结果表明，经典和社区意识的中心性措施一般表现出低到中等的相关值。这些结果在网络上是一致的。传递性和有效性是最有影响力的宏观网络特征驱动的经典和社区意识的中心性措施之间的相关性变化。此外，混合参数，模块化，和最大ODF的主要介观拓扑性质发挥最实质性的影响。
2022-01-30 cs.SI
Mining Influential Spreaders in Complex Networks by an Effective Combination of the Degree and K-Shell
针对复杂网络中影响节点识别计算复杂且区分度不足的问题，提出融合节点及邻居k-shell指数与度中心性的方法，在准确性、分辨率和复杂度上优于DNC、NPIC。
2024-05-12 cs.SI
Identify influential spreaders in complex networks, the role of neighborhood
识别最有影响力的传播者是控制复杂网络中传播过程的一个重要问题。中心性度量用于对扩散动态中的节点影响进行排序。在这里，我们提出了一个节点的中心性和它的邻居的中心性，我们称之为邻居中心性的基础上的节点影响力的措施。通过模拟六个真实网络中的传播过程，我们发现邻域中心性在对节点影响力进行排序和识别最有影响力的传播者方面大大优于节点的基本中心性，如度和核心度。有趣的是，我们发现在考虑节点的邻域时存在饱和效应，这不是越大越好的情况。具体来说，考虑节点的两步邻域是一个很好的选择，平衡了成本和性能。如果进一步考虑邻域的步长，则排序性能没有明显的改善，甚至有所下降。饱和效应可以为利用节点的局部结构来确定其在网络中的重要性的研究提供信息。
2015-11-02 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
M-Centrality: identifying key nodes based on global position and local degree variation
识别网络中有影响力的节点是一个重要的问题，因为它涉及大量的应用，如疾病传播和谣言动力学。这就是为什么多年来出现了大量的中心性度量，以便根据节点在网络中的拓扑重要性对其进行排名。局部度量，如度中心性，利用非常有限的信息，很容易计算。诸如介数中心性的全局度量以非常高的计算复杂性为代价利用整个网络结构的信息。最近的工作表明，结合多个指标是一个很有前途的战略，量化节点的影响力。我们的工作是在这一行。在本文中，我们引入了一个多属性的中心性度量称为M-中心性，它结合了网络中的节点的位置信息与其最近邻域的局部信息。位置通过K壳分解来测量，节点邻域的度变化量化了局部上下文的影响。为了研究所提出的措施的性能，我们进行了实验，在小型和大型的现实世界的网络从传输动力学和网络连接的角度。根据实证结果，M-中心性优于其替代品在确定有影响力的传播者和节点，以维持网络的连通性。此外，它的低计算复杂性使其易于应用于大规模网络。
2023-01-03 cs.SI
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
Finding Influential Users in Social Media Using Association Rule Learning
有影响力的用户在在线社交网络中扮演着重要的角色，因为用户往往会对彼此产生影响。因此，拟议的工作分析用户和他们的行为，以确定有影响力的用户和预测用户的参与。通常，社交媒体网站的成功取决于参与用户的活动水平。对于在线社交网站和个人用户来说，了解一个话题是否有趣是很有意义的。在这篇文章中，我们提出了关联学习来检测用户之间的关系。为了验证这一发现，我们进行了几个基于社会网络分析的实验，将从关联规则学习中识别出的最有影响力的用户与度中心性和页面排名中心性的结果进行了比较。结果清楚地表明，它是可能的，以确定最有影响力的用户使用关联规则学习。此外，结果还表明，与最先进的方法相比，执行时间更短。
2016-05-10 cs.SI
Identifying Influential Nodes Using Overlapping Modularity Vitality
发现网络中有影响力的节点对控制网络中的扩散现象至关重要。在最近的作品中，有一个越来越多的趋势，调查社区结构的作用，以解决这个问题。到目前为止，绝大多数所谓的社区意识的中心性措施依赖于非重叠的社区结构。然而，在诸如社交网络的许多现实世界网络中，社区重叠。换句话说，一个节点可以属于多个社区。为了克服这一缺陷，我们提出并研究了“重叠模块活力”中心性度量。这种扩展的“模块活力”量化社区结构强度的变化时，删除一个节点。它允许基于节点对网络的重叠模块化的贡献将节点识别为集线器或桥接器。一个比较分析，其非重叠版本使用易感-感染-传播（SIR）流行病扩散模型已进行了一组六个现实世界的网络。总体而言，重叠模块化活力优于其替代品。这些结果说明了将知识的重叠社区结构，以有效地识别有影响力的节点的重要性。此外，可以使用多个排名策略，因为这两个措施是有符号的。结果表明，选择具有最大正值或最大绝对中心度值的节点比选择具有最大负值的节点更能有效地传播疫情。
2022-01-30 cs.SI
Centrality Measures for Networks with Community Structure
在大型网络中，了解网络结构，找出有影响力的节点是一个具有挑战性的问题。识别网络中最有影响力的节点在许多应用中可能是有用的，例如在流行病传播的情况下，在复杂网络的故意攻击期间对节点进行免疫。大量的研究是为了设计中心性的措施，可以有效地识别网络中最有影响力的节点。有两种主要的方法来解决这个问题：一方面，确定性策略，利用整个网络拓扑的知识，以找到有影响力的节点，而另一方面，随机策略是完全不可知的网络结构。中心性的措施，可以处理有限的知识的网络结构是必需的。事实上，在实践中，关于整个网络的全球结构的信息很少或难以获得。即使可用，网络的结构也可能太大，以至于计算全局中心性度量的计算成本太高。为此，提出了一个中心性的措施，只需要在社区一级的信息，以确定网络中的有影响力的节点。事实上，大多数现实世界的网络都表现出一种社区结构，可以有效地利用这种结构来发现有影响力的节点。我们进行了一个比较评估，突出的全球确定性的战略，以及随机策略与现有的和建议的确定性的社区为基础的战略。通过在具有社区结构的合成网络和真实网络上进行实验，评估了所提出方法的有效性。
2016-01-26 cs.SI physics.soc-ph
Identifying influential patents in citation networks using enhanced VoteRank centrality
这项研究提出了一种名为VoteRank的方法，由Zhang et al.（2016）创建，用于识别专利引文网络上的有影响力的节点。此外，提出了改进的VoteRank算法，扩展了Zhang等人的工作。这些新的算法包括一个减少的投票能力的节点所选择的扩频器的影响，如果节点远离扩频器。一种方法使用与距离扩展器的距离成线性关系的缩减因子，我们称之为VoteRank-LRed。另一种方法使用一个关于与扩展器的距离呈指数关系的缩减因子，我们称之为VoteRank-XRed。通过将这些方法应用于引文网络，我们能够证明VoteRank-LRed在测试的引文网络上比原始VoteRank更有效地选择影响力传播者。
2018-11-05 cs.DL cs.SI physics.soc-ph
Identifying Influential Nodes in Two-mode Data Networks using Formal Concept Analysis
Université du Québec en Outaouais（魁北克大学乌塔韦校区）；HEC Montreal（蒙特利尔高等商学院）
识别双模式网络中的重要参与者（或节点）通常仍然是挖掘，分析和解释现实世界网络的关键挑战。虽然传统的二分中心性指标通常用于识别影响网络信息流的关键节点，但在复杂的情况下，例如具有复杂局部结构的大型网络或缺乏关于网络拓扑和某些属性的完整知识时，它们经常产生不良结果。在本文中，我们介绍了双脸（BF），一个新的二分中心性测量识别的重要节点的双模网络。使用形式概念分析的强大的数学形式主义，BF测量利用概念意图的面来识别具有有影响力的bicliques连通性并且不位于不相关的桥中的节点。与现成的中心性指数不同，它量化了一个节点如何通过bicliques对其相邻节点产生凝聚力子结构影响，而不是通过其不存在无影响力的桥梁而处于网络核心-外围节点。我们在几个真实世界和合成网络上的实验表明，BF的效率超过现有的突出的二分中心性措施，如介数，接近度，特征向量和投票排名等。
2021-09-07 cs.AI cs.SI
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
Identifying influential nodes based on fuzzy local dimension in complex networks
如何识别复杂网络中的影响节点是复杂网络研究的一个重要方面。本文提出了一种新的模糊局部维数（FLD）来对复杂网络中的影响节点进行排序，其中具有高模糊局部维数的节点具有高的影响能力。该方法利用模糊集的方法，重点研究了距离中心节点的距离对中心节点局部维数的影响，从而改变影响能力。为了证明该方法的有效性和准确性，本文应用了四个现实世界的网络。同时，利用易受感染（SI）模型模拟FLD等中心性度量的传播过程，并利用Kendall的tau系数描述中心性度量得到的影响节点与SI模型测量结果之间的相关性。从排序列表和仿真结果来看，该方法对影响节点的排序是有效和准确的。
2018-12-21 cs.SI nlin.CD
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
Identifying Influential Brokers on Social Media from Social Network Structure
本研究通过对比源头传播者与中心节点，利用三个社交媒体数据集分析特征，发现多数源头传播者并非中介者，且中心节点重叠小，进而提出基于节点嵌入的预测模型，有效识别有影响力的中介者。
2022-08-01 cs.CY cs.SI
CSBA-Net: Learning Cross-Scale Structural Dependencies for Influential Node Identification in Complex Networks
LIRE Laboratory of Constantine 2, University of Mila（米拉大学 LIRE 实验室）；LISI laboratory of Mila, University of Mila（米拉大学 LISI 实验室）
该研究提出CSBA-Net跨尺度结构双向门控循环单元注意力网络，结合多尺度结构表示与特定神经网络架构，在24个真实及12个人工网络上的实验表明其有影响力节点排序性能优于多种基线方法。
2026-10-13 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
Finding Influential Bloggers
博客是一种表达观点和讨论话题的流行方式。博客作者表现出不同程度的承诺，最有趣的是有影响力的博客作者。围绕着这些博客，群体正在形成，这些群体集中了有着相似兴趣的用户。找到这样的博客是一项重要的任务，并有许多应用，如营销，商业，政治。有影响力的人影响其他人，这与扩散过程有关。然而，没有客观的方法来判断哪个博客更有影响力。因此，研究人员考虑不同的标准来评估博客（例如SNA中心性措施）。本文提出了一种新的，有效的方法，有影响力的博客发现，它是基于评论的关系，在博客层次上定义。接下来，我们将结果与Agarwal等人提出的其他比较方法进行比较，称为基于帖子之间的链接的方法。
2015-05-26 cs.SI
Identifying Influential Nodes in Bipartite Networks Using the Clustering Coefficient
复杂网络中影响节点的识别是一个非常具有挑战性的问题。如果网络具有社区结构，则中心性度量可能无法识别完整的有影响力的节点集，因为网络的集线器和其他中心节点可能仅位于一个社区内。在这里，我们定义了一个二分聚类系数，通过考虑不同结构的集群，可以找到跨社区的重要节点。
2015-03-20 cs.SI physics.soc-ph
Dynamics of temporal influence in polarised networks
本文研究极化社交网络中用户影响力的时间动态，通过扩展时间中心性度量以考虑社区结构，提出影响力层级聚合方法，并发现改进的时间独立级联模型和时间度中心性在节点分层中表现最佳。
2025-07-23 cs.SI
Liars are more influential: Effect of Deception in Influence Maximization on Social Networks
在社交网络中发现有影响力的用户，称为影响力最大化问题，是一个重要的图挖掘问题，在信息传播、市场广告、谣言控制等领域有着广泛的应用。社交网络中有影响力的用户检测问题在文献中有很多研究。尽管目前的方法在许多不同的应用中得到了成功的应用，但它们假设用户彼此诚实，而忽略了欺骗在社交网络上的作用。另一方面，在社交网络中，欺骗似乎是令人惊讶的普遍现象。本文研究了社交网络上欺骗对影响力最大化的影响。我们首先对社交网络中的欺骗进行建模。然后，我们在这些网络上的意见动力学模型，考虑到欺骗感谢最近的意见动力学模型通过层拉普拉斯。然后，我们扩展了两个有影响力的节点检测方法，即拉普拉斯中心性和DFF中心性，层拉普拉斯测量欺骗的影响，影响力最大化。我们在合成网络和真实网络上的实验结果表明，在社交网络中，说谎者比诚实的用户更有影响力。
2022-03-21 cs.SI math.AT
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
Centrality in dynamic competition networks
竞争网络是通过参与者之间的对抗性互动形成的。动态竞争假说预测，竞争网络中有影响力的参与者应该与许多其他节点有大量共同的外邻居。我们实证研究了这个想法作为一个中心性得分，并发现在几个现实世界的网络，包括食物网，冲突网络，和幸存者的投票数据的重要性的措施预测。
2019-09-15 cs.SI physics.soc-ph
Maximizing Coverage Centrality via Network Design: Extended Version
网络中心性在许多应用中起着重要的作用。社交网络中的中心节点可能具有影响力，推动观点，传播新闻或谣言。在超链接环境中，例如Web，用户通过点击进行导航，中心内容获得高流量，成为广告活动的目标。虽然在中心性度量及其有效计算方面有大量的工作，但通过网络更新来控制节点的中心性是一个更新且具有挑战性的问题。对网络进行最小的修改以实现所需的属性属于网络设计问题的范畴。本文的重点是提高覆盖中心的一组节点，这是对节点的数量，有一个最短的路径通过集合，通过添加边缘的网络。我们证明了强不可逼近的结果，并提出了一个贪心算法最大化覆盖中心。为了保证可扩展性的大型网络，我们还设计了一个有效的采样算法的问题。除了提供一个广泛的经验评估我们的算法，我们还表明，在一些现实的约束条件下，所提出的解决方案实现几乎最佳的近似覆盖中心最大化。
2017-10-09 cs.SI
Covert Networks: How Hard is It to Hide?
隐蔽网络是通常由有害用户组成的社交网络。社会网络分析（SNA）在减少犯罪活动方面发挥了重要作用（例如，反恐），通过检测这些网络中有影响力的用户。有各种流行的措施来量化任何顶点在网络中的影响力或中心。正如预期的那样，秘密网络中具有战略性和影响力的恶棍会试图通过引入新的边缘来隐藏自己和她的合作伙伴（称为{ \em领导者}），从而通过这些措施被发现。Waniek等人证明了相应的计算问题，称为隐藏领导者，对于度和接近中心性度量是NP完全的。我们研究了流行的核心中心性度量，并证明了即使每个领导者的核心中心性只有$3$，该问题也是NP完全的。相反，我们证明了问题成为多项式时间可解的度中心性措施，如果每个领导人的程度是有界以上的任何常数。然后，我们专注于优化版本的问题，并表明隐藏的领导者问题承认一个$2$因素近似算法的程度中心性措施。我们补充证明，不能希望有任何$(2-\varepsilon)$因子近似算法的任何常数$\varepsilon>0$，除非有一个$\varepsilon/2$因子多项式时间算法的Denmark $k$ -子图问题，这将被认为是一个重大突破。
2019-03-14 cs.DS cs.SI
Improving detection of influential nodes in complex networks
近年来，越来越多的研究致力于如何在复杂网络中有效地找到最有影响力的节点（种子）。有一些措施，提出了这一目的，例如，高度中心性措施反映了网络拓扑的重要性，并有一个合理的运行时性能，找到一组具有最高程度的节点，但他们没有一个令人满意的传播潜力，在网络中，由于有许多共同的邻居（$\mbox{CN}^{(1)}$）和邻居的共同邻居（$\mbox{CN}^{(2)}$）。这一缺陷在其他措施中也存在。在本文中，我们比较了高度中心性的措施与其他知名的措施，使用十个数据集，以找到一个比例的共同种子，由他们获得的种子集。因此，我们提出了一种改进的高度中心性测度（命名为DegreeDistance），并对其进行改进，以提高两个阶段（FIDD和SIDD）的精度，通过对已经选择的种子节点和被调查的非种子节点的共同邻居的数量设置阈值以被选择作为种子，以及考虑种子节点直接或通过它们的共同邻居对非种子节点的影响得分。为了评估度距离，FIDD和SIDD的准确性和运行时性能，它们被应用到8个大规模的网络，最后证明，SIDD显着优于其他知名的措施，并表现出相对更准确的性能，在确定最有影响力的节点。
2015-04-24 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
Comparative evaluation of community-aware centrality measures
在复杂网络中，有影响力的节点在促进或抑制传播现象方面起着关键作用。已经提出了许多中心性措施，用于根据节点的重要性对其进行识别和排名。经典的中心性度量依赖于节点的各种局部或全局属性。他们没有考虑网络社区结构。最近，越来越多的研究已经转向社区意识的中心性措施。事实上，它是绝大多数现实世界网络中普遍存在的功能。在文献中，重点是设计社区意识的中心措施。然而，到目前为止，还没有系统的评估其有效性。这项研究填补了这一空白。它允许回答社区意识的中心性措施，应在实际情况中使用。我们调查了七个有影响力的社区意识的中心性措施，在流行病传播过程的情况下，使用易感-感染-传播（SIR）模型在一组15个真实世界的网络。结果表明，一般来说，社区意识的中心性措施之间的相关性很低。此外，在多传播者问题中，当资源可用时，使用模块化活力瞄准遥远的枢纽更有效。然而，在资源有限的情况下，传播通过桥梁更好地扩展，特别是在具有中等或强社区结构的网络中。
2022-05-14 cs.CY cs.SI
Leveraging percolation theory to single out influential spreaders in networks
在许多社会、技术和生物系统的无序交互拓扑结构的后果中，一个特别重要的后果是，一些节点，仅仅因为它们在网络中的位置，可能对由复杂交互模式介导的动力学过程产生不成比例的影响。例如，社交网络中意见领袖的早期采用可能会改变商业产品的命运，或者仅仅几个超级传播者就可以决定社交媒体中的病毒式传播。尽管最近的许多努力，制定一个准确的方法，以最佳地确定复杂的网络拓扑结构中的有影响力的节点仍然是一个未解决的挑战。在这里，我们提出了具体的，但高度相关的情况下，易感-感染-删除（SIR）模型的传染病传播的关键问题的精确解。通过利用键渗流和SIR的静态性质之间的映射，我们证明了最近引入的非回溯中心性是在临界状态下识别局部树状网络中有影响力的扩散器的最佳标准。通过对合成网络和一组非常广泛的真实网络的模拟，我们证明了非回溯中心性是一个高度可靠的度量，可以在不嵌入空间的通用图中识别最有影响力的传播者，以及非临界传播。
2016-05-23 cs.SI physics.soc-ph
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
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
A Survey on Optimization Studies of Group Centrality Metrics
本文从运筹学与优化视角首次系统综述群体中心性度量，梳理其发展历程、常见结构模体与求解技术，并提出概率度量、新结构松弛及新兴应用三个未来方向。
2024-05-06 cs.SI math.OC
Composite Centrality: A Natural Scale for Complex Evolving Networks
基于度量标准化和不变统计继承方案，我们推导出了一般加权有向复杂网络的复合中心性度量。不同的方案产生不同的中间抽象措施提供额外的信息，而复合中心性措施趋于标准正态分布。这提供了一个统一的尺度来衡量节点和边缘的中心性，在一个统一的框架下，复杂的不断发展的网络。考虑到世界贸易网和世界移民网的两个真实案例，无论是在40年的时间跨度，我们提出了一个标准的设置，以证明其显着的规范性和准确性。通过大量的数值模拟，我们说明了所提出的框架对大型和任意复杂系统的适用性，以及它的局限性。
2014-01-20 cs.SI physics.data-an physics.soc-ph
Identifying Influential Nodes in Weighted Networks using k-shell based HookeRank Algorithm
寻找有影响力的传播者是网络分析领域的一项重要任务，因为它具有许多理论和实践意义。这些节点在信息扩散过程中发挥着至关重要的作用，就像病毒式营销一样。许多现实生活中的网络都是加权网络，但与未加权网络相比，在加权网络中找到有影响力的节点的工作相对较少。在本文中，我们提出了一个基于k壳的HookeRank（KSHR）算法来识别加权网络中的扩散器。首先，我们提出了加权k壳中心节点u通过使用$u$的k壳值，其邻居的k壳值（$v$），以及它们之间的边权重（$w_{uv}$）。我们将网络中的边建模为弹簧，边权重为弹簧常数。基于胡克弹性定律的概念，我们假设一个力等于加权k壳值作用在每个节点上。在这种安排中，我们制定了KSHR中心的每个节点使用相关的加权k壳值和等效的边的权重，通过照顾从源节点的边缘的串联和并联组合，最多3跳邻居。该算法找到有影响力的节点，可以传播信息的最大数量的节点在网络中。我们比较我们提出的算法与流行的现有算法，并观察到它优于他们在许多现实生活中的和合成的网络使用易感性感染的传播（SIR）信息扩散模型。
2021-01-23 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
Measuring and Maximizing Influence via Random Walk in Social Activity Networks
随着OSN的普及，找到一组最有影响力的用户（或节点），以触发最大的影响力级联具有重要意义。例如，公司可以利用“口碑”效应，通过向那些最有影响力的用户提供免费样品/折扣来引发大量购买。这一任务通常被建模为一个影响力最大化问题，在过去的十年里，它已经得到了广泛的研究。然而，考虑到OSN中的用户可以参与各种在线活动，例如，对产品进行评级，加入讨论组等，通过在线活动传播影响力变得更加重要。在本文中，我们研究的影响，在线活动制定的影响力最大化问题的社会活动网络（SAN）包含用户和在线活动。为了解决计算的挑战，我们定义了一个影响力中心通过随机游走来衡量影响力，然后使用蒙特卡罗框架来有效地估计在SAN的中心。此外，我们开发了一个基于贪婪的算法，两个新的优化技术，以找到最有影响力的用户。通过对真实世界的数据集进行广泛的实验，我们表明，当我们需要处理大量的在线活动时，我们的方法比最先进的算法IMM[17]更有效。
2017-01-09 cs.SI
Weighted H-index for identifying influential spreaders
传播是社会、生物和技术系统中普遍存在的过程。因此，识别有影响力的传播者，对于预防传染病传播和制定有效的预防接种策略具有重要的理论和现实意义。本文提出了一种基于虚拟节点扩展的加权h指标中心度来量化复杂网络中节点的扩散影响。在真实网络上的仿真结果表明，该方法提供了更准确，更一致的排名比五个经典的方法。此外，我们观察到，我们的措施的单调性和计算复杂性也可以产生优异的性能。
2017-10-15 cs.SI physics.soc-ph
Iterative resource allocation based on propagation feature of node for identifying the influential nodes
网络中有影响力节点的识别是网络中最有前途的研究领域之一。在本文中，我们提出了一种改进的迭代资源分配（IIRA）方法，考虑到邻居的中心性信息和扩展速率的影响，为目标节点。通过对4个真实网络的SIR模型的计算结果进行比较，表明该方法比传统的IRA方法能更准确地识别影响节点。特别是在Erdos网络中，当扩展率为0.12时，Kendall τ可以提高23%.在蛋白质网络中，当扩展率为0.08时，Kendall 'stau增强了24%.
2015-05-13 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
Centralities of Nodes and Influences of Layers in Large Multiplex Networks
我们制定并提出了一个算法（MultiRank）的节点和层在大型复用网络的排名。MultiRank考虑了数据的全复用网络结构，并利用了网络在节点和层方面的双重性质。层（影响）的中心性和节点的中心性由一组耦合方程确定。其基本思想是为那些从具有高度影响力的层和已经处于中心的节点接收链接的节点分配更多的中心性。如果这些层中高度中心的节点是活跃的，那么这些层的影响力会更大。该算法适用于有向/无向以及加权/非加权复用网络。我们讨论了MultiRank在多重网络数据集的三个主要例子中的应用：欧洲航空运输多重网络，Pierre Auger多重合作网络和FAO多重贸易网络。
2017-03-16 cs.SI physics.soc-ph
Sampling-Based Attack for Centrality Disruption in Complex Networks
该研究提出基于采样的攻击模型测试复杂网络中心性排名韧性，引入通用的分散式富人俱乐部概念及雪球采样检测方法，在真实网络中验证了其高效识别子结构与破坏中心性排名的效果。
2024-07-09 cs.SI
Identification of influencers in complex networks by local information dimensionality
复杂网络中有影响力传播者的识别是网络特性研究中的一个热点问题。已经提出了许多中心性措施来解决这个问题，但大多数都有局限性。提出了一种基于局部信息维数的复杂网络影响者识别方法。该方法考虑了中心节点周围的局部结构特性，因此，局部性的尺度仅增加到距中心节点的最短距离的最大值的一半。因此，该方法考虑了准局部信息，降低了计算复杂性。用Shannon熵来描述盒子中的信息（节点数），更合理。当节点的局部信息维数较高时，节点的影响力更大。为了证明该方法的有效性，使用五种现有的中心性度量作为比较方法，对六个现实世界复杂网络中的有影响力的节点进行排名。此外，一个易感感染（SI）模型和肯德尔的tau系数被用来显示不同方法之间的相关性。实验结果表明了该方法的优越性。
2019-10-06 cs.SI physics.soc-ph
Centrality Measures in Temporal Networks: A Critical and Comparative Survey
National Institute of Technology Hazratbal（Hazratbal国立技术学院）
本文对时间网络中心性度量展开批判性比较综述，提出功能分类法，在真实数据集上通过多维度实验评估度量，为不同场景选度量提供见解并指出未来研究方向。
2026-09-02 cs.SI
Basic Cycle Ratio: Cost-Effective Ranking of Influential Spreaders from Local and Global Perspectives
本文提出 Basic Cycle Ratio（BCR）节点重要性评估方法，融合基本环与环比率刻画节点的局部邻域地位和全局网络凝聚作用，并在六个真实社交网络上验证其排序传播者、促进信息扩散的优越效果。
2025-09-30 cs.SI nlin.CD
Power in Liquid Democracy: A Network Centrality Approach
University of Groningen（格罗宁根大学）；University of Amsterdam（阿姆斯特丹大学）；Association for Interactive Democracy（互动民主协会）；University of Warsaw（华沙大学）；University of Oxford（牛津大学）
本文针对支持传递性和可暂停委托的液体民主集体决策平台，提出基于随机游走衰减中心性的权力度量框架，还研究了其公理特性、扩展应用及代表名单选择方法。
2026-08-14 cs.GT cs.SI
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
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
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
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
Coverage Centrality Maximization in Undirected Networks
中心性度量是社会网络分析的主要工具之一。作为网络用户的中心，对用户有几个好处：中心用户具有很高的影响力，在网络中扮演着关键角色。因此，增加网络用户的中心性的优化问题最近受到了相当大的关注。给定一个网络和一个目标用户$v$，中心性最大化问题在于根据某个中心性度量，以使$v$的中心性最大化的方式创建与$v$关联的$k$新链路。在文献中提出的大多数算法的基础上显示，一个给定的中心性度量是单调的和次模块化的链接添加。然而，如果链接是无向的，则该属性不适用于几个基于最短路径的中心性度量。在本文中，我们研究了无向网络中最重要的基于最短路径的中心性度量之一，覆盖中心性的中心性最大化问题。我们提供了几个硬度和近似结果。我们首先表明，这个问题不能近似在一个因子大于$1-1/e$，除非$P=NP$，并且，在更强的间隙ETH假设下，这个问题不能近似在一个因子优于$1/n^{o(1)}$，其中$n$是用户的数量。然后，我们提出了两个贪婪的近似算法，并表明，通过适当地结合它们，我们可以保证一个近似因子的$Ω(1/\sqrt{n})$。我们实验比较我们的近似算法与最佳解决方案计算的精确IP制定的装置提供的解决方案。我们表明，我们的算法产生的解决方案是非常接近的最佳。
2018-11-11 cs.DS cs.SI
SVD Incidence Centrality: A Unified Spectral Framework for Node and Edge Analysis in Directed Networks and Hypergraphs
Instituto Curvelo（Curvelo研究所）；Federal University of Espirito Santo（埃斯皮里托桑托联邦大学）
SVD Incidence Centrality 提出了一种基于 incidence 矩阵奇异值分解的统一谱框架，用于有向网络和超图中节点和边的中心性分析，解决了传统方法在方向信息保留和稀疏性问题上的不足。
2026-02-17 cs.SI physics.soc-ph
Identifying emerging influential Nodes in evolving networks: Exploiting strength of weak nodes
识别网络上未来出现的有影响力或流行的节点/项目是当前研究者的兴趣。以往的研究主要是基于网络结构或节点活动的分离方式来识别时间演化网络中的领导者。在本文中，我们提出了一个混合模型，同时考虑，节点的结构中心性和最近的活动节点在一起。我们认为，当节点在给定的最近时间窗口中接收到更多的链接时，而不是在节点的整个过去的生命周期中，节点是活跃的。此外，我们的模型是灵活的实现结构排名，如PageRank和网页点击信息作为活动的节点。为了测试我们的模型的性能，我们采用PageRank算法和基于线性偏好连接的模型作为基线方法。在三个真实数据集（即Movielens，Netflix和Facebook wall post数据集）上的实验中，我们发现我们的模型在发现过去不受欢迎的新兴有影响力的节点方面表现出更好的性能。
2016-09-06 cs.HC cs.IR cs.SI
Controlling centrality in complex networks
光谱中心性测量允许识别社会群体中有影响力的个人，根据其受欢迎程度对网页进行排名，甚至确定科学研究的影响。网络中节点的中心性分数主要取决于整个连接模式，因此通常的方法是在分配网络结构后计算节点中心性。这里我们面对的是逆问题，也就是说，我们研究如何通过作用于给定网络的结构来修改节点的中心性得分。我们证明了存在特定的节点子集，称为控制集，它可以分配任何规定的一组中心值的所有节点的图，通过合作调整的权重，他们的外出链接。我们发现，许多来自现实世界的大型网络具有令人惊讶的小控制集，包含甚至少于5-10%的节点。这些结果表明，从光谱中心性措施获得的排名必须非常小心地考虑，因为它们可以很容易地控制，甚至操纵一小群节点以协调的方式行事。
2011-09-21 cond-mat.stat-mech cs.SI physics.data-an
Insights Into Incitement: A Computational Perspective on Dangerous Speech on Twitter in India
社交媒体平台上的危险言论可以被诬陷为公然煽动，或者以影射的方式表达。它还与参与者密切相关--它可以由公开的宗派社交媒体账户驱动，也可以通过有影响力的账户进行微妙的推动，从而允许采取复杂的手段来加强对边缘化群体的诽谤，这是全球南方媒体环境中日益严重的问题。我们确定了印度Twitter上有影响力的账户围绕三个关键事件发表的危险言论，研究了宽恕或积极促进暴力侵害弱势群体的语言和消息网络。我们通过分配危险放大信念分数来表征危险的语音用户，并表明危险的用户在Twitter上比其他用户更活跃，并且在网络中最有影响力，在更大的追随者以及验证帐户的数量方面。我们发现，危险的用户有一个更加两极分化的观众，这表明他们的观众更容易受到煽动。使用网络中心性措施和定性分析的组合，我们发现，最危险的帐户往往要么是在大众媒体相关的职业或结盟低级别，右倾的政治家，并作为“广播”在网络中，他们最好的位置，带头迅速传播危险的言论在整个平台。
2021-11-06 cs.SI
