大规模网络中的局部与全局中心性

估计大规模网络（包括但不限于社交网络、生物网络、通信网络、新兴智能电网等）中的影响力节点是一个具有根本意义的课题。为了理解网络中节点的影响力，经典度量指标是中心性，其包含多种具体实例，如度中心性、接近中心性、介数中心性等。迄今为止，现有的识别高中心性节点的算法均作用于整个（或称全局）网络，导致计算复杂度较高。在本文中，我们利用大多数大规模网络所展现的模块化拓扑结构，设计了用于确定介数中心性的高效算法。简而言之，模块化拓扑是指整个网络被划分为不同的模块（或簇或社区），其中模块内的节点（可能具有高度相似的属性）彼此连接紧密，而模块间的连接则相对稀疏。通过对 Dijkstra 最短路径算法进行新颖的适配，并将其应用于局部模块以及模块间的稀疏边上，我们设计的算法能够比现有算法更快速地正确计算介数中心性。据我们所知，这是首次利用大规模网络的模块化拓扑来解决中心性问题的研究，尽管此处我们主要将讨论局限于社交网络。我们还提供了关于一般中心性的更多见解，以及我们的算法如何用于确定其他中心性度量。