基于度与 k 壳的有效组合用于复杂网络中重要扩散者的挖掘
社会与信息网络
2024-05-14 v1
摘要
图挖掘是许多应用中使用的数据分析技术, 用于预测和理解网络内行为和信息扩散。图挖掘的一个关键方面是识别和排序具有影响力的节点, 这在各种领域都有应用, 包括营销、社交通信和疾病控制。然而, 现有的模型和方法计算复杂度高, 且可能不准确地区分和识别具有影响力的节点。本文基于 k-壳指数和节点及其邻居的度中心性开发了一种方法。与 Degree 和 Neighborhood information Centrality (DNC) 和 Neighborhood and Path Information Centrality (NPIC) 等以前的工作进行比较。包括 Kendall's Tau 下的正确性、单调性指数下的分辨率、相关图和时间复杂度的评估, 均表明其优异性能。
关键词
引用
@article{arxiv.2405.07277,
title = {Mining Influential Spreaders in Complex Networks by an Effective Combination of the Degree and K-Shell},
author = {Shima Esfandiari and Seyed Mostafa Fakhrahmad},
journal= {arXiv preprint arXiv:2405.07277},
year = {2024}
}
备注
6 page, In 2024 20th CSI International Symposium on Artificial Intelligence and Signal Processing (AISP), pp. 1-6. IEEE, 2024