用于k壳指数的快速异步更新算法

识别网络中的有影响力节点是一项重要且具有挑战性的任务。在众多中心性指标中，$k$-shell指数在找出有影响力的传播者方面表现非常好。然而，计算节点$k$-shell指数的传统方法需要全局拓扑信息，这限制了其在大规模动态增长网络中的应用。最近，Lü等人[Nature Communications 7 (2016) 10168]提出了一种新颖的异步算法来计算$k$-shell指数，适用于处理大规模增长网络。在本文中，我们提出两种算法来选择节点并更新其朝向$k$-shell指数的中间值，这有助于加速$k$-shell指数计算的收敛。前一种算法考虑节点的度，而后一种算法倾向于选择其邻居值最近发生变化的节点。我们在四个真实网络和三个人工网络上测试了这两种方法。结果表明，与原始异步更新算法相比，这两种算法分别平均减少收敛时间达75.4%和92.9%。