复杂网络节点的同心表征与分类：理论及其在机构合作中的应用

与理论上的无标度网络不同，大多数真实网络呈现出多尺度行为，其节点结构化地分布在不同类型的功能组和社区中。虽然大多数复杂网络节点分类方法依赖于对每个节点周围拓扑/连通性的局部测量，但通过同心（或分层）测量可以获得关于节点功能的宝贵信息。本文探讨了利用一组同心测量和凝聚聚类方法来获取节点功能组的可能性。我们选择同心聚类系数和收敛比作为分离参数，用于分析包含各种已知社区（圣保罗大学各部门）的机构合作网络。我们获得了树状图，并对结果进行了分析和讨论。在所得的有趣发现中，我们强调了所获网络的无标度特性，以及识别出源自不同领域（如人文科学与精确科学）的不同作者模式。另一个有趣的结果是，枢纽节点沿同心层级的分布相对均匀，这与 BA 模型等理论无标度网络中发现的非均匀模式相反。