复杂网络中影响力节点检测的改进

近来，越来越多的研究致力于如何在复杂网络中有效找到最具影响力的节点（种子）。为此提出了若干度量方法，例如高度数中心性度量反映了网络拓扑的重要性，并且在寻找高度数节点集合时具有合理的运行时间性能，但由于存在许多共同邻居（$\mbox{CN}^{(1)}$）和邻居的共同邻居（$\mbox{CN}^{(2)}$），它们在网络中不具备令人满意的传播潜力。这一缺陷也存在于其他度量中。本文利用十个数据集将高度数中心性度量与其他知名度量进行比较，以找出它们所得种子集合中共同种子的比例。据此，我们提出一种改进的高度数中心性度量（命名为 DegreeDistance），并分两个阶段 FIDD 和 SIDD 对其进行改进以提高准确性：对已选种子节点与待考察是否选为种子的非种子节点之间的共同邻居数量设定阈值，同时考虑种子节点通过共同邻居或直接对非种子节点的影响分数。为评估 DegreeDistance、FIDD 和 SIDD 的准确性和运行时间性能，将它们应用于八个大规模网络，最终表明 SIDD 大幅优于其他知名度量，并在识别最具影响力节点方面表现出相对更高的准确性。