Link transmission centrality in large-scale social networks
了解网络中链接在传递信息中的重要性,可以提供一些方法来阻止或推迟正在发生的动态现象,如流行病的传播或信息的扩散。在这项工作中,我们提出了一个新的措施,随机扩散过程的基础上,\textit{transmission centrality},捕获的重要性,通过估计的平均数量的节点,他们在全球传播扩散过程中传递信息的链接。我们提出了一个简单的算法解决方案来计算传输中心性,并在非常大的网络中以较低的计算成本来近似它。最后,我们在三个大型经验社交网络中识别弱关系时应用了传输中心性,表明该度量在识别驱动社交网络中传播过程的链接方面优于其他中心性度量。
2018-02-14 cs.SI physics.soc-ph
Spreaders in the Network SIR Model: An Empirical Study
我们使用易感染-感染-恢复(SIR)模型在网络上传播疾病,并实证研究如何以及各种中心性措施执行在确定网络中的哪些节点将是最好的疾病传播者在10个现实世界的网络。我们发现,度,壳数和其他中心性措施的相对性能可以敏感B,感染节点将疾病传播到易感节点的概率。我们还发现,本征向量中心执行非常好,在一般的B值以上的流行阈值。
2012-08-22 cs.SI physics.soc-ph
Epidemic centrality - is there an underestimated epidemic impact of network peripheral nodes?
在SIR模型中研究经验复杂网络上的疾病传播时,初始感染节点可以根据其流行病影响程度进行排序。排名最高的节点,也被称为“超级传播者”,与主要流行病风险有关,因此值得特别关注。在研究经验复杂网络的模拟中,它表明,排名取决于疾病传播的动力学制度。一个可能的机制,导致这种依赖说明在一个易于分析的例子。在系统中的资源分配,以对抗疾病传播到各个节点是基于他们的排名,疾病传播的动态政权往往是未知的疾病爆发之前。因此,我们引入了一个称为流行病中心性的数量,作为疾病传播的所有相关制度的平均值,作为排名的基础。最近引入的概念的相图的传染病传播被用作一个框架,其中几种类型的平均进行了研究。流行中心性相比,节点的结构属性,如节点度,k-核心和介数。随着度和k-核值的增加,流行中心性有增加的趋势,但流行中心性的变化远小于度和k-核值的变化。研究发现,结构外围节点的流行中心性与结构中心节点的流行中心性具有相同的数量级。这些研究结果的影响资源分配,以对抗疾病的传播进行了讨论。
2012-08-08 cs.SI physics.soc-ph q-bio.PE
Interplay between Social Influence and Network Centrality: A Comparative Study on Shapley Centrality and Single-Node-Influence Centrality
我们研究了社交网络中基于动态影响传播模型的网络中心性。为了说明我们理解动态影响过程和静态网络结构之间的基本相互作用的集成算法方法,我们专注于两个基本的中心性度量:(a)单节点影响(SNI)中心性,它通过影响传播来度量每个节点的重要性; Shapley中心性,它使用影响扩散函数的Shapley值--基于基本的合作博弈理论概念制定--来衡量节点的重要性。我们提出了一个全面的比较研究,这两个中心的措施。在数学上,我们提出了公理化的特征,这恰恰抓住了这两个中心的措施和他们的根本区别的本质。从数学上讲,我们提供了可扩展的算法来近似一个大家庭的社会影响力的实例。从经验上讲,我们证明了他们的相似性和差异,在一些现实世界的社交网络,以及我们的可扩展算法的效率。我们的研究结果揭示了它们的适用性:SNI中心性适合于评估孤立的个人影响力,而Shapley中心性评估个人在群体影响力环境中的表现。
2017-03-01 cs.SI physics.soc-ph
Locating influential nodes via dynamics-sensitive centrality
复杂网络中影响节点的定位是一个很有前途的研究课题,具有重要的理论和实际意义。在本文中,我们提出了一个动态敏感(DS)的中心性,集成了拓扑特征和动力学性质。DS中心性可以直接应用于定位有影响力的传播者。在四个真实网络上对SIR和SI传播模型的实证结果表明,DS中心性比度、$k$ -壳指数和特征向量中心性更准确.
2015-04-25 cs.SI physics.data-an physics.soc-ph
Dynamic communicability and epidemic spread: a case study on an empirical dynamic contact network
我们分析了最近提出的时间中心性措施,适用于一个经验网络的基础上,人与人之间的接触,在一个繁忙的城市医院的急诊科。我们发现,时间中心性识别一组不同的顶部传播者比中心性的基础上的时间聚集的二进制化的接触矩阵,使一起,捕捉顶部传播者的准确性显着提高。然而,在预测流行病结果方面,时间措施不一定优于不太复杂的措施。我们的研究结果还表明,其他时间标记,如观察到的持续时间和网络中首次出现的时间,可以用于一个简单的预测模型,以生成预测,捕捉观察到的数据的趋势非常好。
2016-03-13 cs.SI physics.soc-ph
Identifying effective multiple spreaders by coloring complex networks
如何识别社交网络中的影响节点具有重要的理论意义,它关系到如何防止传染病传播或连锁故障,如何加速信息的扩散等问题,本文将图论中的着色问题的思想推广到复杂网络中,尝试寻找复杂网络中的\emph{effective multiple spreaders}.在我们的方法中,网络中的每个节点都用一种颜色着色,具有相同颜色的节点被排序到一个独立的集合中。然后,对于一个给定的中心性指数,在一个独立的集合中具有最高中心性的节点被选为多个传播器。与传统的从\emph{entire}网络角度选择中心度最高的节点的方法相比,无论是在网络模型中还是在真实的社交网络中,本文的方法都能更有效地加速传播过程,最大化传播覆盖率.同时,着色算法的低计算复杂度保证了我们的方法的潜在应用。
2014-10-08 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
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
Worst-Case Scenarios for Greedy, Centrality-Based Network Protection Strategies
解决了为计算机网络分配预防性资源以防止病毒传播的任务。病毒传播动力学描述的线性SIS模型和保护是由一个优化问题,最大限度地提高了网络中的病毒包含给定的有限资源的速率。这种类型的问题的一种方法涉及贪婪算法,该算法将所有资源分配给具有大中心性度量的节点。我们解决了最坏的情况下的性能,这些贪心算法构建网络,这些贪婪的分配是任意低效的。一个例子中的应用,这样一个最坏的情况下的网络可能会自然出现,我们的结果进行了验证,利用最近的结果,允许精确的最优解通过几何规划计算。
2014-01-22 cs.SI physics.soc-ph
Impact of Network Centrality and Income on Slowing Infection Spread after Outbreaks
2019冠状病毒病大流行揭示了人类流动网络和社会经济因素对全球传染病传播的重要影响。然而,很少有研究探讨了流动网络与社会空间不平等的相互作用,以了解感染的传播。我们引入了一种新的方法,称为感染延迟模型,来计算感染的到达时间在地理上如何变化,同时考虑到有效的基于距离的指标和地区隔离能力的差异-这是一个与社会经济不平等相关的特征。为了说明感染延迟模型的应用,本文将圣保罗大都市地区的家庭旅行调查数据与手机移动数据相结合,以评估封锁对减缓COVID-19传播的有效性。该模型不是在假设下一次大流行将在上一次大流行的同一地区开始的情况下运行,而是在每一种可能的爆发情况下估计感染延迟,从而可以对干预措施的有效性进行概括性的见解,以延迟一个地区的首例病例。该模型揭示了封锁减缓疾病传播的有效性如何受到流动网络和社会经济水平相互作用的影响。我们发现,网络中心性和封锁后的感染延迟之间出现了负相关关系,无论收入如何。此外,对于所有收入和中心水平的地区,封锁更有效地减缓了从较不中心的地方开始的疫情。使用感染延迟模型,本文识别和量化的疾病风险的一个新的维度所面临的最核心的移动网络。
2022-02-08 cs.CY cs.SI physics.soc-ph
Computational Models for Commercial Advertisements in Social Networks
识别网络中值得注意的传播者对于理解传播过程和控制网络中传播的范围至关重要。拥有更多内在力量来扩大传播范围的节点非常重要,因为需要各种应用程序,例如病毒式营销,控制谣言传播或更好地了解疾病的传播。作为病毒式营销的一种应用,在固定预算的情况下实现最大化是广告业务的基本要求。分发固定数量的促销物品以最大化病毒覆盖范围可以利用影响者检测方法。为了检测这样的“影响者”节点,存在诸如度中心性(通常用作度内中心性)的局部度量或诸如k壳分解或特征向量中心性的全局度量。所有的方法都可以对图进行排序,但它们都有局限性,并且仍然没有事实上的方法用于该领域的影响者检测。在本文中,我们提出了一个扩展的k-shell算法,更好地利用k-shell分解识别病毒传播节点使用网络的拓扑特征。我们使用易感-感染-传播模型对真实网络中的传播过程进行了模拟,模拟结果表明,在相同的初始传播者数量下,我们的方法可以在同一网络中达到高达36%的人群。
2019-04-30 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
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
Network centrality: an introduction
中心性是复杂网络的一个关键属性,它影响着动态过程的行为,比如同步和传染病传播,并且可以带来关于复杂系统组织的重要信息,比如我们的大脑和社会。网络中节点中心性的度量有很多种。在这里,我们回顾了主要的中心性措施,并讨论其主要特点和局限性。指出了网络中心性对传染病传播和同步的影响。此外,我们提出了应用中心性措施,以了解复杂系统的功能,包括生物和皮层网络。最后,我们讨论了一些观点和挑战,推广多层和时间网络的中心性措施。
2019-01-22 physics.soc-ph
Distance Backbones Optimize Spreading Dynamics and Centrality Ranks in the Sparsification of Complex Networks
Politecnico di Torino(都灵理工大学);CENTAI Institute(CENTAI研究所);Universidade Católica Portuguesa, Católica Medical School, Católica Biomedical Research Centre(葡萄牙天主教大学,天主教医学院,天主教生物医学研究中心);Binghamton University (State University of New York)(宾厄姆顿大学(纽约州立大学))
本文提出距离骨干合成方法,通过渐进稀疏化保留网络连接性和传播动态,优化中心性排名和拓扑结构。
2026-03-18 cs.SI math.GN physics.soc-ph
Quantifying echo chamber effects in information spreading over political communication networks
在线社交网络中的回音室,用户更喜欢只与意识形态一致的同龄人互动,被认为有助于错误信息的传播,并有助于激进的政治话语。在本文中,我们衡量回声室在政治通信网络上的信息传播现象的影响。挖掘1200万条Twitter消息,我们重建了一个网络,用户在其中交换与巴西前总统迪尔玛·罗塞夫弹劾案有关的意见。我们定义了一个连续的{政治立场}参数,独立于网络的结构,它允许量化网络的强连接组件中回声室的存在,反映在两个大小相似的社区中,对弹劾过程有相反的看法。通过简单的传播模型,我们表明,用户在传播他们生产的内容的能力,测量相关的传播性,强烈依赖于他们的态度。平均而言,表达支持弹劾情绪的用户能够向比表达反弹劾情绪的用户更多的受众发送信息。此外,用户的传播能力与受众的政治立场多样性有关。我们的方法可以用来识别回声室的存在及其在不同背景下的影响,并揭示允许打破回声室的机制。
2019-07-17 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
Predicting COVID-19 Infections Using Multi-layer Centrality Measures in Population-scale Networks
本文利用荷兰超百万人的多层网络数据研究中心性度量能否预测 COVID-19 感染风险与时间,发现其在模拟模型中有效但与真实检测数据无关联。
2023-10-31 cs.SI physics.soc-ph stat.AP
Quantifying agent impacts on contact sequences in social interactions
人类社会行为在SARS-CoV-2或假新闻等病原体如何在人群中传播方面发挥着至关重要的作用。社会互动决定了个体之间的联系网络,而传播,需要个人对个人的传播,发生在网络之上。因此,研究接触网络的拓扑结构,不仅有可能对个体行为如何影响传播现象产生有价值的见解,而且还可能为设计有效的行为干预提供可能性。由于交互的时间性质-由于网络的拓扑结构,包括谁与谁联系,何时,多长时间,以及精确的顺序,在时间上变化(快速)-分析它们需要开发尊重时间可变性的网络方法和度量,而不是针对静态(即,时不变)网络。在这里,通过事件映射,我们提出了一种方法来量化如何快速代理混合通过转换代理联系人的时间网络数据。我们定义了一个新的措施称为“接触序列中心”,它量化的影响,个人的接触序列,反映个人的行为潜力的传播。比较接触序列中心性跨代理允许排名代理的影响,并确定潜在的“行为超级传播者”。该方法被应用于在阿姆斯特丹的艺术博览会上收集的社交互动数据。我们与现有的网络指标,时间和静态的措施,并发现(主要是在较长的时间尺度)传统的指标失去了它们的相似之处接触序列中心。我们的工作强调了在分析社会互动时考虑接触的顺序性质的重要性。
2022-04-14 cs.SI physics.soc-ph
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
Searchability of central nodes in networks
社交网络是离散系统,在节点(个体)之间具有大量的异质性。中心性度量旨在量化节点对结构和功能的重要性。在这里,我们问在何种程度上最中心的节点可以找到纯粹的本地搜索。我们发现,许多网络在特征向量中心性下具有接近最优的可搜索性,优于度和介数的搜索。在流行病动态中,最强传播者的可搜索性往往比亚临界传播大得多。
2013-06-11 cs.SI physics.soc-ph
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
Vital node identification in hypergraphs via gravity model
超图可以描述两两边之外的相互作用,已经成为复杂系统中多元关系建模的合适表示。随着超图研究的兴起,如何利用超图的高阶结构定义中心性度量成为超图中心性问题研究的热点。在本文中,我们提出了一种新的中心性方法(HGC)的基础上的重力模型,以及半本地HGC(LHGC),可以实现准确性和计算复杂度之间的平衡。同时,两个综合评价指标,即,首先提出了一个超图中的复杂传染模型,该模型模拟了传播过程中的群体影响,并基于节点之间的高阶距离提出了网络的S-效率,以评估我们的方法的有效性。结果表明,我们的方法可以过滤掉具有快速传播能力的节点,并且在超图连通性方面是至关重要的。
2022-08-09 cs.SI physics.soc-ph
EMH: Extended Mixing H-index centrality for identification important users in social networks based on neighborhood diversity
社交网络的迅速扩张为用户提供了一个合适的信息传递平台。通过社交网络,我们可以在很短的时间内收获资源和分享信息。社交网络的发展给我们带来了巨大的便利。然而,组成网络的节点具有不同的传播能力,这受到许多因素的制约,而网络的拓扑结构是主要的因素。为了更准确地计算网络中节点的重要性,根据相邻节点的多样性定义了改进的H指标中心度(IH),然后利用累积中心度(MC)将所有相邻节点考虑在内,提出了扩展的混合H指标中心度(EMH)。我们评估所提出的方法的易感性-感染-扩散(SIR)模型和单调性,这是用来评估的准确性和分辨率的方法,分别。实验结果表明,该方法优于现有的识别不同网络中的节点的措施。
2020-03-07 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
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
Understanding the spreading power of all nodes in a network: a continuous-time perspective
中心性度量(如度、k壳或特征值中心性)可以识别网络中最有影响力的节点,但在量化绝大多数影响力不高的节点的传播能力时很少有用。从连续时间流行病学的角度来看,考虑每个节点产生的感染力的分布,可以更好地解释所有网络节点的传播能力。由此产生的度量,\textit{expected force},准确地量化节点的传播功率下的所有主要流行病学模型在广泛的原型人类接触网络。当节点功率较低时,影响力是邻居度的函数。随着功率的增加,节点自身的度变得更加重要。这种关系的强度受到网络结构的调节,在社交网络典型的狭窄、密集的网络中更为明显,而在互联网等更广泛、更松散的关联网络中则有所减弱。期望的力可以独立地为单个节点计算,使其适用于邻接矩阵是动态的,没有很好地指定,或非常大的网络。
2014-06-11 cs.CY cs.SI physics.soc-ph
Adjustable reach in a network centrality based on current flows
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。最突出的中心性度量可以表示为节点对之间的影响流的聚合。由于影响力的定义有多种方式,因此使用了许多不同的中心性度量。参数化中心性通过将中心性计算调整为最适合给定网络的机制,从而提供了进一步的灵活性和实用性。在这里,我们确定了两类中心性参数。到达参数控制远处节点之间影响流的衰减。抓取参数控制中心性沿多个通常为非测地线的路径发送影响流的可能性。将这些范畴与Borgatti的中心性类型相结合[S. P. Borgatti,社交网络27,55-71(2005)],我们得到了一个新的参数化中心分类系统。使用这种分类,我们确定了显着缺乏任何中心的措施,是径向的,达到参数化,并根据非循环,保守的影响流。因此,我们引入了地电流中心性,这正是这种类型的度量。由于其在分类学中的独特地位,地电流中心性比类似的中心性具有显着的优势。我们证明,与其他保守流中心,它有一个更简单的数学描述。与其他到达中心相比,它在广泛的网络架构中稳健地保持了直观的排名顺序。我们还表明,它产生一个一致的节点之间的中心性值的分布,既不平凡地平均传播(离域),也不过分集中在几个节点(本地化)。其他到达中心分别在常规网络和枢纽网络上表现出这两种行为。
2021-06-02 cs.SI physics.soc-ph
Quantifying Transient Spreading Dynamics on Networks
网络上的传播现象对于各种自然和技术系统的集体动力学是必不可少的,从基因调控网络中的信息传播到神经回路,或者从流行病到经历扰动的供应网络。尽管如此,局部扰动如何在网络中传播还没有定量的了解。在这里,我们分析了确定性网络动力系统接近一个给定的操作点的一般传播动力学。标准动力系统理论没有明确地提供瞬态扩展信号的到达时间和幅度的度量,因为它关注于不变集、不变度量和其他与瞬态行为不太相关的量。我们在这里改变的角度,并引入确定性动力学的有效期望值,制定出一个理论,明确量化何时以及如何强烈的扰动开始在一个网络的一个单元影响任何其他。该理论提供了明确的定时和幅度信息作为初始扰动和响应单元的相对位置以及整个网络拓扑结构的函数。
2017-10-26 cond-mat.dis-nn physics.data-an physics.soc-ph
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
Numerical Investigation of Metrics for Epidemic Processes on Graphs
本研究开发了流行病击中时间(EHT)度量图测量的预期时间开始在节点$a$在一个完全易感的网络传播和到达节点$b$。一个相关的EHT中心性措施,然后比较度,介数,频谱,和有效电阻中心性措施,通过详尽的数值模拟几个真实世界的网络数据集。我们发现两个令人惊讶的观察:第一,EHT中心性是高度相关的有效电阻中心性;第二,EHT中心性措施是更离域相比,度和频谱中心性,突出了周边节点的作用,在图上的传染病传播。
2015-11-24 cs.SI math.PR 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
Quantifying the role of supernatural entities and the effect of missing data in Irish sagas
本文利用神话人物词典构建人物网络,验证不同中心性指标可识别爱尔兰传奇核心人物,并证明其在大量边随机缺失时仍具稳健性。
2024-09-24 cs.SI physics.soc-ph
Coverage centralities for temporal networks
现实网络系统的结构,如社会关系,可以建模为时间网络,其中每个边只出现在规定的时间。理解时态网络的结构需要量化时态顶点的重要性,这是一对顶点索引和时间。在本文中,我们定义了两个中心性措施的时间顶点的最快时间路径的基础上,使用的时间顶点。该定义是免费的参数和鲁棒性对我们关注的时间尺度的变化。此外,我们可以有效地计算所有时间顶点的中心性值。使用这两个中心性的措施,我们发现,这些中心性值的分布在现实世界的时间网络是异构的。对于各种数据集,我们还证明了大多数高度中心的时间顶点位于一个狭窄的时间窗口内的特定时间。换句话说,在时间网络中发送的大多数信息通过少量时间顶点时存在瓶颈时间,这表明这些时间顶点在传播现象中的重要作用。
2016-02-16 cs.SI physics.soc-ph
Opinion-Based Centrality in Multiplex Networks: A Convex Optimization Approach
大多数人同时属于几个不同的社交网络,在这些网络中,他们的关系可能是不同的。他们对某些主题有自己的看法,并在这些网络上分享和传播,同时也受到其他人看法的影响。在本文中,我们建立在这一观察,提出了一个新的节点中心性措施复用网络。我们的措施,所谓的意见中心,是基于一个随机模型,代表在这样的网络中的意见传播动态。我们制定了一个优化问题,包括在最大限度地提高整个网络的意见时,控制一个外部的影响,能够单独影响每个节点。我们找到了这个问题的数学封闭形式,并使用它的解决方案,以获得我们的中心性措施。根据意见中心性,越值得投入外部影响力的节点就越具有中心性。我们进行了实证研究,提出了一个玩具网络的中心性,以及收集现实世界的网络。我们的措施一般是负相关的,现有的多重中心性措施,并强调不同类型的节点,根据其定义。
2017-06-09 cs.GT cs.SI physics.soc-ph
Quantifying bid-ask spreads in the Chinese stock market using limit-order book data: Intraday pattern, probability distribution, long memory, and multifractal nature
利用中国深圳证券交易所的一只交易频繁的股票的限价委托簿数据,研究了买卖价差的统计特性。基于交易前的时间、最高买入价或最低卖出价变化的时间以及固定的时间间隔,考虑了三种不同的价差定义。无论采用线性价格还是对数价格,其结果在定性上是相似的。平均价差呈现明显的日内形态,上午交易呈大L形,下午交易呈小L形。不同定义下的价差分布呈幂律衰减。交易水平点差的尾部指数完全在区间$(2,3)$内,平均点差的尾部指数在不同的时间间隔内完全符合逆立方定律。基于去趋势波动分析,我们发现,在所有三个定义的买卖价差时间序列的长记忆性的证据,即使在去除日内模式。利用经典的多重分形盒计数方法,证明了买卖价差时间序列不具有多重分形性质。
2007-03-15 physics.soc-ph q-fin.ST
Two betweenness centrality measures based on Randomized Shortest Paths
本文介绍了两种基于随机最短路径(RSP)框架的密切相关的新介数中心性度量,它们填补了基于最短路径的传统网络中心性度量与考虑随机游走或当前流的最新方法之间的空白。该框架定义了网络路径上的玻尔兹曼概率分布,其重点是最短路径,但也考虑了取决于逆温度参数的较长路径。RSP以前已被证明在定义网络上的距离测量方面是有用的。在这项工作中,我们研究他们的效用在量化的网络节点的重要性。建议的RSP介数中心相结合,以最佳的方式,使用最短和纯随机路径的想法来分析网络节点的角色,避免涉及这两种范式的问题。我们提出了这些措施的衍生物,以及它们如何可以计算在一个有效的方式。此外,我们用真实世界的例子展示了RSP介数中心在识别网络中更传统的方法可能无法注意到的有趣节点方面的潜力。
2016-02-02 cs.DS cs.SI physics.soc-ph
Quantifying edge relevance for epidemic spreading via the semi-metric topology of complex networks
本文提出基于半度量畸变的网络稀疏化方法,通过移除违反三角不等式的边来保留最短路径和流行病传播动力学,在恢复宏观与微观传播动态方面优于现有方法。
2025-06-04 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
Exploring the Node Importance Based on von Neumann Entropy
在分析复杂网络的统计和拓扑特征时,一种有效且方便的方法是计算中心度来识别有影响力和重要的节点或结构,但大多数都局限于局部环境或某些特定配置。在本文中,我们提出了一个新的中心节点的冯诺依曼熵的基础上,这使我们能够调查的重要性,节点的频谱特征值分布。通过对实际网络的分析,表明冯诺依曼熵节点中心度是选择关键节点和经典节点的一个很好的指标。然后为了降低计算复杂性,给出了只依赖于第一和第二邻域的中心度的近似计算。此外,在最优传播问题和降低平均聚类系数中,这种熵中心性表现出很好的效率,并准确地揭示了网络的拓扑结构特征。在Erdos-Renyi网络和无标度网络中,熵中心性可以快速降低巨连通分支的标度,在随机几何图中,熵中心性可以有效地分解簇结构.这种新的方法从谱的角度揭示了节点的重要性,为网络研究提供了新的视角,在发现网络的本质结构特征方面具有巨大的潜力。
2018-05-07 cs.SI physics.soc-ph
Generalization of Effective Conductance Centrality for Egonetworks
我们研究了流行的中心性度量,称为有效电导,或在某些圈子中称为信息中心性。这是无向网络的中心性的重要概念,具有许多应用,例如,随机游动,电阻网络,传染病传播,等等。在本文中,我们首先重新解释这个措施的模(能量)的家庭的网络上行走。这种模中心性度量与简单无向网络上的有效电导度量一致,并将其扩展到更一般的情况,例如,网络也是如此。其次,我们研究了一个变化的自我中心的网络范式,这种模数的方法。Egonetworks是围绕一个焦点节点(ego)形成的网络,具有特定的邻域顺序。我们提出了有效的分析和近似方法计算这些措施的无向和有向网络。最后,我们描述了一个简单的方法启发的模的观点,称为壳度,这被证明是一个有用的工具,网络科学。
2018-07-26 cs.DS cs.SI physics.data-an
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
A Method for Reducing the Severity of Epidemics by Allocating Vaccines According to Centrality
流行病学研究中一个长期存在的问题是如何最好地分配有限数量的疫苗或类似的预防措施,以尽量减少流行病的严重程度。大部分关于疫苗分配问题的文献都集中在流感流行上,并使用流行病传播的数学模型来确定所提出的方法的有效性。我们的工作适用于计算模型的流行病的问题,在几个得克萨斯州县的地理分配有限数量的疫苗。我们开发了一个基于图的,随机模型的流行病,是基于SEIR模型,并测试了疫苗分配方法的基础上,多个中心性措施。这种方法为解决疫苗分配问题提供了一种替代方法,可以与更传统的方法相结合,以产生更有效的流行病抑制策略。我们发现,基于入度和逆介数中心的分配方法往往是最有效的遏制流行病。
2014-07-27 cs.CE cs.SI 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
Co-Betweenness: A Pairwise Notion of Centrality
介数中心性是一种度量,它试图量化网络图中顶点对整个网络中测地路径上信息分布的“控制”方面的重要性。然而,该量并不捕获不同顶点如何一起参与这种控制。为了允许在这方面的更精细的细节的揭露,我们在这里介绍了一个扩展的介数中心对顶点,我们的术语co-betweenness,提供了量化的基础上各种类似的成对概念的重要性和控制。更具体地说,我们激励和定义一个精确的概念的co-betweenness,我们提出了一个有效的算法,其计算,扩展算法的Brandes在一个自然的方式,我们说明了利用这种co-betweenness在少数几个不同的通信网络。从这些现实世界的例子中,我们表明,co-betweenness允许一个确定某些顶点,这些顶点不是最中心的顶点,但尽管如此,作为重要的演员在网络中的信息的中继和调度。
2007-09-21 cs.NI physics.soc-ph
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
Relevance of temporal cores for epidemic spread in temporal networks
时间网络被广泛用于表示各种各样的系统,特别是包括社会互动,以及在它们之上展开的传播过程。尽管最近在静态网络的情况下取得了进展,但在这种过程中发挥重要作用的结构的识别在很大程度上仍然是一个悬而未决的问题。在这里,我们考虑作为候选结构的跨度核心的概念:跨度核心分解的时间网络成子图的控制持续时间和增加连接,概括的核心分解的静态图。为了评估这些结构的相关性,我们探讨了策略的有效性,这些策略的目的是控制或最大限度地提高传播的影响,分别基于去除高凝聚力或持续时间的跨度核心以降低流行病风险,或基于从这些结构中播种过程。这种策略的有效性进行评估,在各种经验数据集和基线相比,只使用静态信息的节点和静态概念的核心的中心性,以及一个基线的基础上的时间中心性措施。我们的研究结果表明,最稳定和凝聚力的时间核心确实发挥了重要作用,在流行病的时间网络的过程中,他们的节点很可能代表有影响力的传播者。
2020-07-09 physics.soc-ph q-bio.PE
Quantifying COVID-19 transmission risks based on human mobility data: A personalized PageRank approach for efficient contact-tracing
鉴于COVID-19广泛而持久的影响,特别是其空间传播动态备受关注。了解这些动态有助于公共卫生专业人员和城市管理人员设计和部署有效的接触者追踪和治疗措施。然而,大多数现有的研究集中在总的流动流量,很少利用广泛可用的分解一级的人口流动数据。在本文中,我们提出了一种个性化的PageRank(PPR)方法来估计COVID-19传播风险,该方法基于人和位置的二分网络。该方法结合了两个移动模式的个人和他们的时空相互作用。为了验证所提出的方法的适用性和相关性,我们基于交通灵巧卡数据,在一个小型合成网络和一个来自中国香港的真实移动网络中,研究了COVID-19病例的传播与城市内移动模式之间的相互作用。我们比较了召回率(敏感性),准确性和斯皮尔曼相关系数之间的估计传播风险和实际病例数的基础上各种大规模跟踪和测试策略,包括基于PPR的,基于PageRank(PR)的,基于位置的,基于路线的,和基本情况(无策略)。结果表明,基于PPR的方法效率最高,准确率最高,与实际案例数的Spearmans相关系数最大。这证明了PPR的传播风险估计的价值和有效的接触跟踪和测试,将个人的移动模式的重要性。
2022-10-03 cs.SI physics.soc-ph
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
Influencers identification in complex networks through reaction-diffusion dynamics
网络科学、营销研究和创新扩散理论中的一个关键思想是,一小群节点--被称为影响者--对网络中的社会传染和流行过程具有最大的影响。尽管在社会经济和生物网络的影响者识别问题的长期利益,还没有达成协议,这是最好的识别策略。最先进的策略通常基于启发式中心性度量或仅适用于特定网络拓扑或特殊动态机制的分析参数。在这里,我们利用最近引入的随机游走有效距离-一个拓扑度量,几乎完美地估计网络上扩散扩散过程的到达时间-引入一个新的中心性度量,它量化了一个节点与其他节点的接近程度。我们发现,新的中心性指标显着优于国家的最先进的指标,在检测全球传染过程的影响。我们的研究结果揭示了网络有效距离对影响者识别的重要作用,并使我们更接近问题的最优解。
2018-11-14 cs.SI physics.soc-ph
The statistical nature of h-index of a network node
从顺序统计学角度揭示网络节点h-index的统计性质,提出通用框架并推导出比h-index更准确稳健的新中心性指数。
2023-05-19 cs.SI physics.soc-ph stat.AP
Predicting Nodal Influence via Local Iterative Metrics
本研究提出基于1到K阶迭代度量的节点影响力预测方法,发现低阶(K≈4)迭代度量预测效果已接近最优,最佳迭代度量集性能可媲美结合七种中心性的基准方法。
2023-09-22 physics.soc-ph
Quantifying concurrency in event-based temporal network and hypergraph data
Pukyong National University(釜庆国立大学);The Catholic University of Korea(韩国天主教大学);University of Michigan(密歇根大学);Kobe University(神户大学)
提出边-事件相关性(EEC)度量,量化时间网络中连接同时活跃的程度,发现共享节点的边对具有更高并发性,且主要由闭合局部结构驱动。
2026-05-23 physics.soc-ph