同构多层网络的度中心性算法
信息论
2023-08-15 v1 社会与信息网络
math.IT
摘要
简单图/网络的中心性度量已有明确定义，且各自拥有众多主存算法。然而，对于建模具有多类实体与关系的复杂数据集，简单图并不理想。多层网络（MLNs）已被提出用于对此类数据建模，并已被证明在多方面更为适用。由于尚无直接在 MLN 上计算中心性度量的算法，现有策略使用布尔 AND 或 OR 算子将 MLN 层归约（聚合或折叠）为简单网络。该方法否定了 MLN 建模的优势，因为这些计算往往代价高昂，且会导致结构与语义的丢失。本文中，我们提出基于启发式的算法，利用新提出的基于解耦的方法直接在 MLN 上（即不将其归约为简单图）计算中心性度量（具体为度中心性），该方法高效且保持结构与语义。我们提出多种启发式方法，使用基于网络解耦的方法计算度中心性，并与布尔 OR 聚合的同构多层网络（HoMLN）作为基准真值比较准确率与精度。网络解耦方法可利用并行性，且比基于聚合的方法更高效。我们在具有不同特征的大型合成与真实世界数据集上进行了广泛的实验分析，以验证所提算法的准确性与效率。
引用
@article{arxiv.2207.11661,
title = {Degree Centrality Algorithms For Homogeneous Multilayer Networks},
author = {Hamza Reza Pavel and Abhishek Santra and Sharma Chakravarthy},
journal= {arXiv preprint arXiv:2207.11661},
year = {2023}
}