Aug, 2014

大规模计算经典亲密中心性

PDF
TL;DR本文提出了一种高度可扩展的算法，用于在图中估计所有节点的经典接近度中心性，并针对出站和入站中心性的概括，提出了有效的算法，并在大型网络上进行了广泛实验，证明了其高可扩展性和准确性。
closeness centralitynetworksalgorithmdirected graphsscalability
发现论文，激发创造
  • 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

  • 基于归纳图神经网络的大型网络节点中心度估计

    我们重新定义了 Closeness Centrality（CC）和 Betweenness Centrality（BC）节点排序问题，提出了 CNCA-IGE 模型，它是一个基于归纳图神经网络的编码器 - 解码器模型，用于基于指定的 CC 或 BC 指标对节点进行排序。我们在各种规模的合成和现实网络上评估了我们的方法，并实验证明 CNCA-IGE 模型在降低执行时间和提高性能方面优于现有基线模型。

    Mar, 2024

  • 从零开始学习识别高介数中心节点：一种新的图神经网络方法

    本文提出了一种基于 encoder-decoder 框架及 pairwise ranking loss 方法的学习算法，用于在大规模网络中快速且精确地鉴定 betweenness centrality 高的节点，与同类算法相比，具有较高的速度和准确性。

    May, 2019

  • 时间中介中的算法问题

    研究时变图中各种概念下的最优时空路径，发现计算其顶点之间的中心度具有可计算与难以计算的不同情况，其计算复杂度与所选的最优路径概念相关，是社交网络分析中常用的一种有用工具。

    Jun, 2020

  • 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

  • 关于分类时空中介中心性的多项式可解性

    本文研究了在时间图中如何高效地计算顶点的中介中心性，提出了多种 “最短路径” 的概念，并探讨了哪种概念能够在多项式时间内解决问题。

    May, 2021

  • 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

  • 基于成对比较的排名中心度

    本文提出了一种迭代的排名聚合算法 ——Rank Centrality，该算法基于随机游走解释，用于发现从成对比较中学习出的对象分数。该算法的有效性以 Bradley-Terry-Luce（BTL）模型为例，并通过边界收敛速度分析方法估计出了对 BTL 模型假定分数与算法估计分数之间的有限样本误差率。

    Sep, 2012

  • ONBRA: 时态网络中时间介数中心性的严格估计

    本文提出了 ONBRA 算法作为第一种基于抽样的近似算法，用来计算带有时间信息网络中节点的时间介数中心性，为减少计算代价带来质量保证。

    Mar, 2022

  • 复杂网络的攻击脆弱性

    本文研究了复杂网络在节点和边受到攻击的响应。通过计算平均反向测地线长度和最大连接子图的大小，数值地研究了几种复杂网络模型和科学合作以及互联网流量这些现实网络的性能。通过对初始网络或在去除过程中当前网络重新计算度和中介中心性，使用了四种去除策略，发现所使用的重新计算攻击策略往往比基于初始网络的攻击策略更具有破坏性。最后，还研究了复杂网络中介中心性和度之间的相关性

    Feb, 2002