Predicting Node Degree Centrality with the Node Prominence Profile
节点的中心性衡量其在网络中的相对重要性。中心性有许多应用,包括推断个人在社交网络中的影响力或成功,以及由此产生的社交网络动态。虽然我们可以计算给定网络快照中任何节点的中心性,但许多应用程序也有兴趣了解个人在未来的潜在重要性。然而,当前的中心性不一定是未来中心性的有效预测。虽然有不同的度量中心性,我们集中在本文的程度中心性。我们开发了一种方法,调和优先附件和三元封闭捕捉节点的突出配置文件。我们表明,建议的节点显着配置文件的方法是一个有效的预测度中心。值得注意的是,我们的分析表明,在进化的早期阶段的个人显示出独特的和强大的签名的程度中心化的趋势,充分预测他们的突出配置文件。我们在四个真实世界的社交网络中评估我们的工作。我们的研究结果具有重要的意义,需要预测的应用程序,一个节点的未来度中心,以及社会网络动力学的研究。
2014-12-06 cs.SI 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
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
Consistency and differences between centrality measures across distinct classes of networks
网络中不同节点的作用通常通过中心性分析来理解,中心性分析旨在量化节点通过其连接拓扑影响其他节点或受其他节点影响的能力。已经提出了许多不同的中心性度量,但它们提供独特信息的程度,以及使用多个中心性度量来定义节点角色是否有利,尚不清楚。在这里,我们计算了212个不同现实世界网络中17种不同中心性度量之间的相关性,研究这些相关性如何与网络密度和全局拓扑结构的变化相关,并研究节点是否可以根据其中心性配置文件聚类为不同的类。我们发现,中心性指标通常彼此正相关,这些相关性的强度在网络中各不相同,网络模块化在驱动这些跨网络变化中起着关键作用。基于中心性特征的数据驱动的节点聚类可以区分不同的角色,包括高度中心节点的拓扑核心和较少中心节点的外围。我们的研究结果说明了网络拓扑结构如何塑造中心性度量之间的相关性模式,并展示了网络中心性的比较方法如何为复杂网络中节点角色的解释提供信息。
2018-10-16 cs.SI
Centrality Measures in Complex Networks: A Survey
在复杂网络中,每个节点都有一些独特的特征,这些特征根据给定的特定于应用程序的上下文来定义节点的重要性。这些特征可以使用文献中定义的各种中心性度量来识别。这些中心性度量中的一些可以使用节点的局部信息来计算,例如度中心性和半局部中心性度量。其他的研究则使用了网络的全局信息,如接近中心性、介数中心性、特征向量中心性、Katz中心性、PageRank等。在本综述中,我们讨论了这些中心性度量和最新的文献,包括将中心性度量扩展到不同类型的网络,更新动态网络中中心性值的方法,识别前k个节点的方法,近似算法,本文最后讨论了应用程序特定的中心性措施,这将有助于选择一个基于网络类型和应用程序的要求的中心性措施。
2020-11-14 cs.SI
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
The Bow-Tie Centrality: A Novel Measure for Directed and Weighted Networks with an Intrinsic Node Property
今天,存在许多中心性度量用于评估网络中节点的重要性,作为其位置和底层拓扑的函数。一类这样的措施建立在特征向量中心,其中一个节点的重要性是从它的相邻节点的重要性。对于有向和加权的复杂网络,其中节点可以携带一些内在属性值,已经提出了中心性度量,这些度量是特征向量中心性的变体。然而,这些表达方式都有缺点。在这里,这种中心性措施的扩展,补救所有以前遇到的问题。虽然已经提出了类似的改进的中心性措施作为算法配方,这里提出的新的数量是一个纯粹的分析表达式,只利用邻接矩阵和节点值的向量。详细推导了新的中心性测度。具体来说,中心性本身对于分析显示蝴蝶结拓扑的有向和加权网络(具有节点属性)是理想的。然后计算一个独特的和广泛的现实世界的数据集,来自经济学的新颖的领结中心。它示出了蝴蝶结中心性如何评估类似于其他特征向量中心性措施的节点的相关性,同时不受其缺点的困扰,在网络中存在的周期。
2019-11-03 cs.SI physics.soc-ph
Identifying high betweenness centrality nodes in large social networks
本文提出了一种新的方法来识别具有高介数中心性的节点。它引入了一个新的度量,k-路径中心性,和一个随机算法估计它,经验表明,高k-路径中心性的节点具有高节点介数中心性。随机算法在时间上运行$O(κ^{3}n^{2-2α}\log n)$,并且对于每个顶点v,输出其k路径中心性的估计,直到具有概率$1-1/n^2$的$\pm n^{1/2+ α}$的加性误差。在真实和合成社交网络上的实验评估表明,与现有的随机算法相比,该算法在检测高介数中心节点方面提高了准确性,并显着减少了执行时间。
2017-02-22 cs.DS cs.SI
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
Centrality Measures in Networks
我们发现,突出的中心性措施在网络分析中都是基于可加性分离和线性处理的统计数据,捕捉一个节点在网络中的位置。这使我们能够提供一种中心性度量的分类,将它们提炼为两个维度上的变化:(i)它们使用关于节点位置的哪些信息,以及(ii)这些信息如何作为与所讨论节点的距离的函数进行加权。通常使用的关于节点位置的三种信息-我们称之为“节点统计”-是从给定节点到其他节点的路径,从给定节点到其他节点的步行,以及包括给定节点的其他节点之间的测地线。使用这样的统计节点的位置,我们还描述了树的类型,使中心性措施都同意,我们还讨论了一些基于路径的中心性措施,确定的属性。
2021-01-22 cs.SI physics.soc-ph
Distributed Identification of Central Nodes with Less Communication
研究了利用贴近中心度进行复杂网络中心节点的分布式检测。在网络分析中,贴近中心性起着至关重要的作用。准确评估接近中心性需要对网络有完整的了解;对于大型网络,这可能效率低下,因此应该近似接近中心性。分布式任务如领袖选举可以有效地利用高度中心化节点的中心性信息,但完整的网络信息在本地是不可用的。本文通过修剪几乎肯定不是最中心的节点来改进You等人[24]的分布式中心性计算算法。例如,在一个大型网络中,离开节点不能发挥中心作用。这导致减少了为确定剩余节点的中心性而交换的消息的数量。我们的研究结果表明,我们的方法减少了网络中包含许多prunable节点的消息的数量。我们的研究结果还表明,减少消息的数量可能
2021-06-26 cs.SI
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
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
A two-steps tensor eigenvector centrality for nodes and hyperedges in hypergraphs
School of Mathematical Sciences, Harbin Engineering University(哈尔滨工程大学数学科学学院);Academy for Advanced Interdisciplinary Studies, Northeast Normal University(东北师范大学前沿交叉科学研究院)
本文提出了一种基于张量的超图中心性度量方法,通过两步扩展树的极限几何容量解释,量化节点和超边的相对重要性。
2026-03-02 cs.SI math.CO
Spectral Efficiency Centrality: An Efficient Spectral Approach for Influential Node Identification in Temporal Networks
National Institute of Technology, Srinagar(斯利那加国家技术学院)
针对现有频谱节点移除方法仅适用于静态网络的问题,提出时序频谱中心性框架 SEC 及高效近似方法 ASEC,经多组真实数据集实验验证,二者在三类扩散模型下识别时序网络关键节点的性能优于基线指标。
2026-08-17 cs.SI
How does node centrality in a financial network affect asset price prediction?
本文研究金融网络中节点中心性对资产价格预测的影响,发现低中心性因子预测能力更强、方向更准,并从信息论角度解释,提出应优先选择低中心性因子的准则,且通过深度学习方法验证了稳健性。
2025-08-24 cs.SI physics.soc-ph
Eigenvector centrality of nodes in multiplex networks
我们将特征向量中心性的概念扩展到多路复用网络,并引入了几个替代参数,量化了节点在多层网络系统中的重要性,包括向量型中心性的定义。此外,我们严格表明,在合理的条件下,这样的中心性措施存在,是唯一的。计算机实验和模拟表明,所提出的措施提供了显着不同的结果时,适用于相同的多重结构,并突出了非平凡的不同措施的中心性之间的关系。
2013-09-04 cs.SI physics.soc-ph
A general centrality framework based on node navigability
中心性度量是网络科学中用于识别图中重要节点的流行工具。我们引入潜在增益作为中心性度量,它统一了图中许多基于步行的中心性度量,并捕获了节点可导航性的概念,解释为通过短步行从其他任何地方(图中)可到达的属性。潜在的增益(称为几何和指数潜在的增益)的两个实例,我们描述了可扩展的算法计算它们的大型图形。我们还证明了新措施和既定中心之间的关系。因此,节点的几何潜在增益可以表征为其度中心性与其Katz中心性分数的乘积。同时,证明了节点的指数潜在增益是度中心性与其可通信性指标的乘积。这些正式的结果将潜在的收益与上述中心性所捕获的“流行性”和“相似性”属性联系起来。
2020-03-12 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
Axiomatic Analysis of Medial Centrality Measures
我们进行了第一次公理化分析的中间中心性措施。这些措施,也称为介数类中心,评估节点在连接网络中其他节点方面的作用。我们专注于一个目标节点和多个源节点的设置。我们认为三个经典的内侧中心性措施,适应这种设置:介数中心性,应力中心性和随机游走介数中心性。介数和应力中心性假设网络中的信息遵循最短路径,而随机游走介数中心性假设它沿着边缘随机移动。我们开发的第一个公理化的所有三个措施的特点。我们的分析表明,随机游走介数,而概念上不同,有几个共同的性质与经典介数和应力中心。
2023-02-16 cs.SI
The impact of partially missing communities~on the reliability of centrality measures
网络数据通常不是无误差的,某些节点的缺失是一种非常常见的测量误差。研究表明,缺失节点会严重影响中心性度量的可靠性。本文研究了当缺失节点可能属于同一社区时中心性测度的可靠性。我们研究了五种常用的中心性度量在均匀网络和无标度网络中的行为。我们发现,中心性措施通常更可靠的情况下,失踪的节点很可能属于同一个社区比在节点失踪均匀随机。然而,在无标度网络中,当缺失节点更有可能属于同一社区时,介数中心性变得不那么可靠。此外,无标度网络中的中心性度量在社区结构较强的网络中更可靠。相比之下,我们没有观察到均匀网络的这种效应。我们的观察结果表明,缺失节点对中心性度量的可靠性的影响可能不像文献中所说的那样严重。
2017-09-20 cs.SI 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
A local eigenvector centrality
University of Strathclyde(斯特拉斯克莱德大学)
本文提出融合局部与全局连通性的局部特征向量中心性,结合特征间隙与特征谱检测反映社区结构影响力的中心性,可适配不同结构网络并缓解特征向量度量的局部化效应。
2026-10-07 cs.SI
Distinctiveness Centrality in Social Networks
节点中心性的确定是社会网络研究中的一个基本问题。作为对现有指标的补充,这些指标根据中心节点的经纪能力、连接的数量和权重以及快速到达所有其他节点的能力来识别中心节点,我们引入了五种新的独特性中心性指标。这些新的指标将更高的分数归因于与网络外围保持连接的节点。它们惩罚连接到高度连接节点的链接,并为识别具有更独特网络关系的社会行为者服务。我们讨论了这些新引入的度量的一些可能的应用和性质,例如它们的上界和下界。独特性中心性提供了一个中心性的观点,替代既定的指标。
2020-05-22 cs.SI physics.soc-ph
Ranking the spreading influence of nodes in complex networks based on mixing degree centrality and local structure
网络的安全性和健壮性已经引起了各界人士的关注,几个关键节点的损坏将导致极其严重的后果。提出了一种基于节点自身H指数和相邻节点相对距离的聚类H指数混合中心度算法。从节点本身出发,结合节点周围的拓扑结构,确定节点的重要性及其传播能力。为了评估该方法的性能,我们使用易感-感染-扩散(SIR)模型,单调性和分辨率作为实验的评价标准。在人工网络和真实网络中的实验结果表明,CHM中心性在识别节点重要性及其传播能力方面具有良好的性能。
2020-03-07 cs.SI physics.soc-ph
On Decay Centrality
我们建立了一个衰减中心性和两个广泛使用的和计算成本较低的中心性措施,即程度和接近度之间的关系。我们发现,对于较低的衰减参数的值,具有最大衰减中心性的节点也具有最大程度,而对于较高的衰减参数的值,它们也最大化接近。对于中间值,我们提供了足够的条件,允许比较不同节点的衰减中心性,我们通过数值模拟表明,在绝大多数网络中,具有最大衰减中心性的节点的特征在于衰减参数的阈值,低于该阈值,它们属于具有最大程度的节点集,高于该阈值,它们属于具有最大接近度的节点集。我们还提出了一个简单的经验法则,确保一个接近最优的选择,具有很高的概率。
2017-01-04 cs.SI physics.soc-ph
Centrality with Diversity
图中心性度量使用网络的结构来量化中心或“重要”节点,通常应用于网络搜索,社交媒体分析和图形数据采掘。传统的中心性度量,如众所周知的PageRank,将有向边解释为对链接节点重要性的投票。我们研究的情况下,节点可能属于不同的社区或利益和调查的中心性措施,可以确定节点,同时重要的许多这样不同的社区。我们提出了一个家庭的不同的中心措施形成的不动点解决方案的广义非线性特征值问题。我们的措施可以有效地计算大型图迭代最佳响应,我们研究了其规范性的随机图模型和现实世界的数据。我们发现,我们始终能够有效地识别最重要的不同节点的图,也就是说,那些同时中央多个社区。
2021-01-18 cs.SI
A Faster Method to Estimate Closeness Centrality Ranking
接近中心性是衡量节点在给定网络中的中心程度的一种方法。接近中心性度量根据每个节点对整个网络的可访问性为每个节点分配中心性值。在现实生活中的应用中,我们主要感兴趣的是根据节点的中心性值对节点进行排名。经典的计算节点秩的方法是先计算所有节点的接近中心度,然后比较它们来得到它的秩。其时间复杂度为$O(n \cdot m + n)$,其中$n$表示节点总数,$m$表示网络中的边总数。在目前的工作中,我们提出了一种探试法来快速估计一个节点的贴近度排名在$O(α\cdot m)$的时间复杂度,其中$α= 3$。我们还提出了一个扩展的改进方法,使用均匀采样技术。该方法更好地估计秩,并且具有时间复杂度$O(α\cdot m)$,其中$α\approx 10-100$。这是对经典中心性排序方法的一个很好的改进。在真实世界的无标度社交网络上,使用绝对误差函数和加权误差函数验证了所提出方法的有效性。
2017-06-07 cs.SI physics.soc-ph
Neighborhood-based Bridge Node Centrality Tuple for Preferential Vaccination of Nodes
本文提出用NBNC中心性元组识别网络桥节点并优先接种,在10个真实社交网络的SIS模拟中证明其降低感染节点比例的效果优于度中心性方法。
2023-09-28 cs.SI physics.soc-ph
Centrality measures in networks based on nodes attributes, long-range interactions and group influence
本文提出一种新的方法,考虑节点属性、个体和群体影响及相互作用强度,以识别传统中心性度量无法检测的显性和隐性中心元素。
2016-10-19 cs.SI econ.GN physics.soc-ph
A Note on Computing Betweenness Centrality from the 2-core
本文提出从图的2-core递归计算介数中心性的公式,并证明在SSSP枢轴采样中移除一度节点可降低样本复杂度、提升精度并减少运行时间。
2024-08-02 cs.SI
Core-Intermediate-Peripheral Index: Factor Analysis of Neighborhood and Shortest Paths-based Centrality Metrics
Jackson State University(杰克逊州立大学)
提出核心-中间-外围(CIP)指数,通过对四种中心性度量进行因子分析,量化节点在复杂网络中的核心或外围角色,并在12个真实网络上验证。
2023-10-10 cs.LG cs.SI
Extrema Analysis of Node Centrality in Weighted Networks
网络科学的一个非常有趣的问题是评估给定网络的复杂程度。换句话说,这样的网络在多大程度上偏离了可以用来描述它的任何一般模式。在其他选择中,这些模式可以根据节点或边属性定义,作为中心性的各种模式之一。虽然有为加权图定义的中心性指数,但关于这个主题的讨论远未结束,特别是因为边权重在这方面的影响不仅在形式上而且在强度上都不同,这是迄今为止仍处于起步阶段的方法。对于前面提到的复杂性评估,情况更加严重:据我们所知,从加权图的中心性的角度来看,这在文献中从未得到过解决。本文详细介绍了一个丰富多彩的时尚一个健全的方法,涵盖这两个主题,以及实验证实其实用性和未来的趋势,在这方面。
2020-11-01 cs.SI
Opportunistic Forwarding with Partial Centrality
在机会主义网络中,使用社交指标(例如,度、接近度和介数中心性)最近已被证明是提高机会转发算法性能的有效解决方案。目前大多数基于社交的转发方案都利用了一些全局定义的节点中心性,导致偏向于最流行的节点。然而,这些节点对于一些目标节点可能不是适当的中继候选,因为它们相对于目标节点的这些子集可能具有低重要性。在本文中,为了提高机会转发效率,我们利用相对重要性(称为部分中心性)的节点相对于一组节点。设计了一种新的机会转发方案--部分中心性机会转发(OFPC),并利用图谱理论量化了部分中心性对数据转发性能的影响。通过将我们的方案应用于三个真实的机会网络场景,我们的广泛的评估表明,我们的方案实现了显着更好的平均交付延迟和成本相比,国家的最先进的作品,同时实现交付率足够接近那些由流行病在不同的TTL要求。
2017-09-25 cs.NI cs.SI
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
Node Immunization with Non-backtracking Eigenvalues
非回溯矩阵及其特征值在网络科学和图挖掘中有许多应用,如节点和边中心性、社区发现、长度谱理论、图距离、流行阈值和渗透阈值。此外,在网络流行病学中,非回溯矩阵的最大特征值的倒数是某些网络动力学的流行病阈值的一个很好的近似。在这项工作中,我们开发的技术,确定哪些节点有最大的影响,领先的非回溯特征值。我们这样做,通过研究的非回溯矩阵的频谱的行为后,从图中删除一个节点。从这个分析中,我们得到两个新的中心性措施:X-度和X-非回溯中心性。我们进行了广泛的实验,有针对性的免疫策略来自这两个中心的措施。我们的频谱分析和中心性措施可以广泛应用,并将感兴趣的理论家和实践者一样。
2020-02-27 cs.SI
Estimating the Degree Centrality Ranking of a Node
近年来,复杂网络得到了越来越多的关注。现实世界中的复杂网络,如在线社交网络、WWW网络、协作网络等,其规模都是随着时间的推移呈指数级增长的。在目前的工作中,我们提出了一种方法来估计一个节点的度中心性排名,而不具有完整的图的结构是不可行的。该算法利用节点的度和度分布的幂律指数来计算排序。在Barabasi-Albert网络上的仿真结果表明,估计排序的平均误差约为节点总数的$5\%$。
2019-10-06 cs.SI physics.soc-ph
The Multiple Instances of Node Centrality and their Implications on the Vulnerability of ISP Networks
网络拓扑中节点的位置在很大程度上决定了它们参与各种网络功能的程度。然而,许多节点中心性指数,提出量化如何中央个别节点在这方面,产生非常不同的观点,他们的相对重要性。我们在本文中的第一个贡献是,然后沿着几个属性,包括信息的类型(本地与全球)和计算所需的处理复杂性的中心性指数的详尽调查和分类。接下来,我们研究了互联网脆弱性的背景下,这些指数中最流行的七个,以解决文献中迄今为止尚未充分探讨的问题。首先,我们进行了相关性研究,以评估的一致性的节点排名,这些指数产生的ISP路由器级拓扑结构。对于每对指数,我们计算完整的排名相关性,这是文献中的标准选择,以及k个顶级节点之间的重叠百分比。然后,我们让这些排名指导高度中心节点的删除,并评估对网络的连通性和流量承载能力的影响。我们的研究结果证实,top-k重叠预测的比较影响的指标对网络的脆弱性比全排名的相关性。重要的是,本地计算的度中心性指数接近全球指数,对交通承载能力的影响最大,而其近似的连接能力是更多的拓扑依赖性。
2013-12-17 cs.SI
Temporal Walk Centrality: Ranking Nodes in Evolving Networks
我们提出了时间步行中心性,它量化了一个节点的重要性,通过测量其能力,以获得和分发信息的时间网络。与广泛使用的介数中心性相反,我们假设信息不一定在最短路径上传播,而是在满足网络时间约束的时间随机游走上传播。我们发现,时间步行中心性可以识别节点发挥中心作用的传播过程中,可能无法检测到相关的介数概念和其他常见的静态和时间的中心性措施。我们提出了精确的和近似算法不同的运行时间取决于时间网络的属性和我们的新的中心性措施的参数。一个技术的贡献是一个通用的方法来提升现有的代数方法计算静态网络的时间网络中的行走。我们在真实世界的时态网络上的实验表明,我们的算法的效率和准确性。最后,我们证明了时间步行中心性的排名通常与其他最先进的时间中心性的排名显着不同。
2022-02-08 cs.DS cs.IR cs.SI
Approximating Network Centrality Measures Using Node Embedding and Machine Learning
National Laboratory for Scientific Computing (LNCC)(国家科学计算实验室(LNCC));DASA;DeepMind
从现实世界的大型网络中提取信息是当今的一个关键挑战。例如,计算节点中心性可能由于其计算成本而变得不可行,这取决于预期的中心性。一种解决方案是开发能够近似网络中心的快速方法。在这里,我们提出了一种方法,有效地近似节点中心的大型网络使用神经网络和图形嵌入技术。我们提出的模型名为Network Centrality Approximation using Graph Embedding(NCA-GE),它使用图的邻接矩阵和每个节点的一组特征(这里,我们只使用度)作为输入,并计算每个节点的近似中心性秩。NCA-GE的时间复杂度为$O(|E|)$,其中$E$是图的边的集合,这使得它适用于大型网络。NCA-GE的训练速度也相当快,只需要一组1000个小的合成无标度图(每个图从100到1000个节点不等),并且它适用于不同的节点中心、网络大小和拓扑。最后,我们将我们的方法与最先进的方法进行比较,该方法使用程度和特征向量中心作为输入来近似中心性排名,在那里我们表明NCA-GE在各种情况下都优于前者。
2020-11-01 cs.LG 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
Centrality Measures: A Tool to Identify Key Actors in Social Networks
来自多个学科的专家已经广泛使用中心性度量来分析大型和复杂的网络。这些度量通过量化节点/边的重要性的概念来对网络中的节点/边进行排名。排名有助于确定网络中的重要和关键行为者。在本章中,我们总结了一些广泛应用于挖掘社交网络数据的中心性措施。我们还讨论了与这些措施有关的各种研究方向。
2020-11-03 cs.SI
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
Analyzing Community-aware Centrality Measures Using The Linear Threshold Model
瞄准复杂网络中有影响力的节点可以加强或阻止谣言,流行病和停电。由于社区在现实世界的网络中很普遍,社区感知的中心性度量利用这些信息来定位有影响力的节点。研究表明,它们与对社区结构不可知的经典措施相比毫不逊色。虽然扩散过程是最重要的,以前的研究主要考虑著名的易感-感染-传播(SIR)的流行病传播模型。这项工作调查的一致性,以前的分析使用流行的线性阈值(LT)传播模型,在我们的现实生活中,许多传播过程的特点。我们对13个真实网络中7个有影响力的社区感知中心性指标进行了比较分析。总体而言,结果表明,社区为基础的调解人,通信中心性和模块化的活力优于其他措施。此外,社区调解员在预算紧张的情况下更有效(即,初始激活节点的一小部分),而通信中心性和模块化活力在初始激活节点的中到高部分的情况下表现更好。
2022-01-30 cs.SI
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 Members Can Hide from Group Centrality Measures
该研究针对节点躲避群体中心性度量的问题,分析四种群体中心性度量的躲避复杂度,实证表明度群体中心性的最优隐藏策略对其他度量同样有效,且仅靠局部拓扑信息即可实现隐藏。
2023-12-15 cs.SI
Uncertainty-Aware Fuzzy Centrality Measures for Influential Node Identification: A Structural Modeling Approach Toward E-Commerce Applications
Shiraz University(设拉子大学)
本文提出一种考虑不确定性的模糊中心性度量,用于识别影响节点,通过结构建模方法应用于电子商务场景。
2026-04-26 cs.SI
LayerPlexRank: Exploring Node Centrality and Layer Influence through Algebraic Connectivity in Multiplex Networks
本文提出LayerPlexRank算法,利用代数连通性指标和随机游走在多层网络中同时评估节点中心性与层影响力,有效捕捉跨层结构变化以增强排序鲁棒性,理论分析与真实数据集验证证实了其优越性。
2025-01-29 cs.IR cs.NI 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
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
Time Centrality in Dynamic Complex Networks
研究时变图中的动力学问题越来越受到人们的关注。然而,到目前为止,TVG场景中的中心性概念通常是指评估动态复杂网络时间演化过程中节点相对重要性的度量。然而,对于某些TVG场景,比在给定节点中心性定义下识别中心节点更重要的是识别采取某些动作的关键时刻。因此,在本文中,我们介绍和调查的时间中心的概念,在电视节目。类似于节点中心性,时间中心性评估动态复杂网络中时刻的相对重要性。在这种情况下,我们提出了两个时间中心性度量相关的扩散过程。我们使用代表面对面接触动态网络的真实数据集和合成生成的随机TVG来评估这两个定义的指标。我们验证了时间中心性的概念,表明根据我们的指标,从最佳分类时刻(即最中心的时刻)开始的扩散可以执行更快,更有效的扩散过程。
2015-09-06 cs.SI physics.soc-ph
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
Network Centrality Metrics Based on Unrestricted Paths, Walks and Cycles Compared to Standard Centrality Metrics
Aalto University School of Science(阿尔托大学理学院)
本文提出基于影响传播模型的入中心度和出中心度度量,通过比较节点排名和相关系数,展示了其在强调替代路径重要性方面的优势。
2026-02-06 cs.SI
Localization and centrality in networks
特征向量中心性是网络中节点重要性的常用度量。在这里,我们表明,在一般条件下的特征向量的中心性显示的本地化过渡,导致大部分的权重集中在网络中的少数节点。在这种情况下,该度量不再用于区分剩余节点,并且其作为网络度量的功效受损。作为一种补救措施,我们提出了一种替代的中心性措施的基础上的nonbacktracking矩阵,它给出的结果非常类似于标准的特征向量中心在密集的网络,后者表现良好,但避免本地化,并给出有用的结果,在政权的标准中心性失败。
2015-01-03 cond-mat.stat-mech cs.SI physics.soc-ph