操纵网络中的节点相似性度量

节点相似性度量量化了网络中一对节点的相似程度。这些相似性度量被证明是许多现实应用（如网络中的链接预测、推荐系统等）的重要基础工具。局部相似性度量是一类重要的相似性度量。在局部相似性度量下，如果两个节点的邻居节点集合重叠很大，则认为它们相似。通过删除边来操纵节点相似性度量是一个重要问题。例如，这类操纵会削弱恐怖分子网络中链接预测的有效性。幸运的是，围绕操纵相似性度量所构建的所有流行计算问题都被证明是 NP-hard 的。本文中，我们通过参数化复杂性的视角提供这些问题的细粒度复杂性结果。具体而言，我们表明其中一些问题相对于各种自然参数是固定参数可处理（FPT）的，而另一些问题则保持难解（特别是 W[1]-hard 和 W[2]-hard）。最后，我们在真实世界数据集以及使用 Barabasi-Albert 和 Erdos-Renyi 模型生成的合成网络上展示了我们提出的 FPT 算法的有效性。