一种用于识别复杂网络节点影响力的平均边-距离贡献度方法
如何准确且有效地识别网络中有影响力的节点一直以来都是一个核心问题.为了评估节点的重要性,一些著名的中心性算法已经被提出并得到了广泛的应用.然而,这些方法仍存在一定的缺点.为了能有效地找出网络中有影响力的节点,该文提出了一种新的方法,它被命名为平均边-距离贡献度方法(av-erage edge-distance contribution,简称为AEDC),此方法测量了每条边对于网络中所有节点对距离之和的贡献程度.针对网络中的每个节点,该文从网络中移除它并利用该节点引起的AEDC的相对变化量来决定此节点的影响力大小.为了验证该文提出的AEDC方法的可行性和有效性,使用易感态-感染态-恢复态(SIR)模型模拟了疾病在4个真实的复杂网络上的传播过程.实验结果表明,在识别节点影响力方面,该文所提出的方法比其他几种基准中心性方法更为准确.
复杂网络、节点影响力、平均边-距离贡献度、肯德尔τ相关系数
42
国家自然科学基金项目;中国国家自然科学基金海外学者包括香港、澳门合作研究项目
2021-01-22(万方平台首次上网日期,不代表论文的发表时间)
共21页
48-68