HellRank：一种基于 Hellinger 距离的二部社交网络中心性度量
社会与信息网络
2017-05-23 v2 计算机与社会
物理与社会
摘要
在社交网络中度量中心性，尤其是在二部模式下，面临若干挑战，例如需要完全了解网络拓扑结构以及缺乏对 top-k 行为代表性用户的恰当检测。本文为克服上述挑战性问题，提出了一种精确的中心性度量，称为 HellRank，用于识别二部社交网络中的中心节点。HellRank 基于二部网络同侧两节点间的 Hellinger 距离。我们从理论上分析了 Hellinger 距离对二部网络的影响，并找到了该距离的上界和下界。HellRank 中心性度量的计算可以分布式进行，每个节点仅使用其直接邻居的局部信息，因此无需一个中心实体完全了解网络的拓扑结构。我们在真实世界网络上通过实验评估了 HellRank 度量与其他中心性度量的相关性。根据 Kendall 和 Spearman 秩相关系数，结果显示 HellRank 与其他传统度量之间存在部分排序相似性。
引用
@article{arxiv.1612.01511,
title = {HellRank: A Hellinger-based Centrality Measure for Bipartite Social Networks},
author = {Seyed Mohammad Taheri and Hamidreza Mahyar and Mohammad Firouzi and Elahe Ghalebi K. and Radu Grosu and Ali Movaghar},
journal= {arXiv preprint arXiv:1612.01511},
year = {2017}
}