在复杂网络中强制执行 Katz 和 PageRank 中心性度量
Enforcing Katz and PageRank Centrality Measures in Complex Networks
AI总结：
本文研究如何在保持网络原始模式的前提下，通过最小权重扰动使节点达到指定的 PageRank 或 Katz 中心性，并提出可随修改边数量扩展的优化方法。
摘要：
我们研究了在复杂网络中强制执行所需中心性度量的问题，同时仍保持网络的原始模式。具体而言，通过将网络表示为具有合适节点和加权边的图，我们专注于计算在权重上所需的最小扰动，以使节点获得指定的 PageRank 或 Katz 中心性指标。我们的方法依赖于随修改边数量扩展的优化过程，从而能够探索不同场景并改变网络结构和动力学。
英文摘要：
We investigate the problem of enforcing a desired centrality measure in complex networks, while still keeping the original pattern of the network. Specifically, by representing the network as a graph with suitable nodes and weighted edges, we focus on computing the smallest perturbation on the weights required to obtain a prescribed PageRank or Katz centrality index for the nodes. Our approach relies on optimization procedures that scale with the number of modified edges, enabling the exploration of different scenarios and altering network structure and dynamics.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
