Jan, 2012

使用矩阵函数排名中心和权威性

PDF
TL;DR本研究将邻接矩阵的指数中的子图中心性和可通性的概念扩展到有向网络，并将它们应用于排名中心枢和权威。这种扩展是通过二分法实现的，具体地，将有向网络映射到具有两倍节点数的二分无向网络，以得到具有 对称邻接矩阵的网络。然后，将中心性和可共性在这个新的上下文中进行解释，提出一种用于排名中心枢和权威的技术，并讨论与其它排名算法的比较。
subgraph centralitycommunicabilitydirected networksrank hubs and authoritiesmatrix exponential method
发现论文，激发创造
  • 图顶点之间的相似度度量

    该研究介绍了一种相似度概念和其在有向图中的运用，并指出其可用于自动提取单语言词典中的同义词。

    Jul, 2004

  • 三个超图特征向量中心度

    本文提出了使用张量特征向量来在超图上计算中心性的方法，并证明该方法在对于实际超图数据的分析方面效果良好。

    Jul, 2018

  • 超图的节点和边的非线性特征向量中心度

    本论文介绍了一种基于超图的谱中心性测量方法，利用非线性 Perron-Frobenius 理论计算超图中的重要节点和超边。

    Jan, 2021

  • 有向网络中的社区结构

    本文介绍了一种针对有向网络的社群发现方法，利用广泛使用的收益函数 - 模块度，通过将边方向的信息纳入，通过寻找网络可能的分割来最大化模块度，进而利用相应的模块度矩阵的特征向量得到社群结果，并证明该方法在各种测试网络上比以往方法产生更好的结果。

    Sep, 2007

  • 复杂网络中的交流介数

    本文提出一种介于最短路径过程和全路径通信过程之间的网络节点介数度量，并通过实验结果表明该度量可以比现有度量更好地描述复杂网络中的节点敏感性和生物信息传递。

    May, 2009

  • 网络高效排名的物理模型

    该论文提出了一种基于物理学原理的模型和高效算法，用于推断有向网络中节点的层次排名，并介绍了一种更精确的排名方式，并提供了一种对强度进行统计显著性检验的方法，应用于预测边的存在性和方向，并在实际和合成数据上分析展示出算法的效率与可扩展度。

    Sep, 2017

  • 使用分层图侧面信息的矩阵补全

    研究了利用社交或项目相似性图作为辅助信息的矩阵完成问题，开发了一种通用、无参数、计算效率高的算法，该算法从分层图聚类开始，然后迭代地在图聚类和矩阵评级上进行估计。在考虑社交图和低秩评级矩阵模型下，我们证明了我们的算法达到了最大似然估计推导的观察矩阵条目数量的信息熵界限（即最优的样本复杂度）。利用社交图的分层结构相对于仅仅识别不同群体而不诉诸它们之间的关系结构可以获得显著的样本复杂度增益。我们在合成和实际数据集上进行了广泛的实验，以验证我们的理论结果，并证明相对于利用图侧信息的其他矩阵完成算法，我们的算法具有显著的性能改进。

    Jan, 2022

  • 中心性公理

    通过使用公理方法来证明现有的权威网络中心度量标准是否准确，并发现基于距离的谐波中心度量是一种良好的通用中心度量，并显示距离型中心度量达到了很高的质量，值得关注。

    Aug, 2013

  • 使用矩阵特征向量在网络中寻找社区结构

    本研究考虑检测网络中的社群或模块，发现这种过程可以通过 “模块度量” 函数的最大化来实现，而这个函数可以用所谓的 “模块度量矩阵” 的特征谱表示，而我们从中得出了几个可能的算法和中心度量，并在各种真实世界的复杂网络中验证它们。

    May, 2006

  • 复杂网络中的子图中心性

    本文介绍了一种新的中心度量，可以通过节点在网络中的所有子图中的参与情况来表征节点的重要性，具有较好的研究网络图案的性质。研究结果表明，该方法能够更好地区分网络中的节点，并且展现了一定的实用性和可靠性。

    Apr, 2005