A bio-inspired methodology of identifying influential nodes in complex networks.
A bio-inspired methodology of identifying influential nodes in complex networks.
复制标题
DOI：
10.1371/journal.pone.0066732
复制
发表时间：
2013
期刊：
影响因子：
3.7
通讯作者：
Deng Y
中科院分区：
文献类型：
--
作者：
Gao C;Lan X;Zhang X;Deng Y
如何识别有影响力的节点是复杂网络中的关键问题。度中心性虽然简单，但无法反映网络的全局特征。 Betweenness 中心性和 closeness 中心性不考虑节点在网络中的位置，半局部中心性、leaderRank 和 pageRank 方法只能应用于未加权网络。本文提出了一种仿生中心性测度模型，将绒泡中心性与K-shell分解分析得到的K-shell指数相结合，以识别加权网络中的影响节点。然后，我们使用易感感染（SI）模型来评估性能。给出的例子和应用证明了该方法的适应性和效率。此外，还将结果与现有方法进行了比较。
How to identify influential nodes is a key issue in complex networks. The degree centrality is simple, but is incapable to reflect the global characteristics of networks. Betweenness centrality and closeness centrality do not consider the location of nodes in the networks, and semi-local centrality, leaderRank and pageRank approaches can be only applied in unweighted networks. In this paper, a bio-inspired centrality measure model is proposed, which combines the Physarum centrality with the K-shell index obtained by K-shell decomposition analysis, to identify influential nodes in weighted networks. Then, we use the Susceptible-Infected (SI) model to evaluate the performance. Examples and applications are given to demonstrate the adaptivity and efficiency of the proposed method. In addition, the results are compared with existing methods.
登录
查看更多内容
影响因子：
4.6
作者：
Lü L;Zhang ZK;Zhou T
通讯作者：
Zhou T
影响因子：
1.6
作者：
Barthélemy, M
通讯作者：
Barthélemy, M
影响因子：
64.8
作者：
Hartwell, LH;Hopfield, JJ;Murray, AW
通讯作者：
Murray, AW
DOI：
10.1073/pnas.0701175104
发表时间：
2007-07-03
影响因子：
11.1
作者：
Carmi, Shai;Havlin, Shlomo;Shir, Eran
通讯作者：
Shir, Eran
通过优先扩散进行信息过滤
影响因子：
2.4
作者：
Lue, Linyuan;Liu, Weiping
通讯作者：
Liu, Weiping