复杂网络中中心性测度的性能与相关性
其他统计学
2025-08-14 v1
摘要
虽然已提出许多中心性测度来评估网络中节点的重要性，但这些测度的比较分析仍有限。基于80个真实世界网络，我们对16个代表性中心性测度进行了实证分析。总体而言，来自不同测度得到的节点排序之间存在中等到高度的相关性。我们识别出两个distinct社区：一个包含4个测度，另一个包含7个测度。同一社区内的测度表现出异常强烈的两两相关性；而其余5个测度则表现出显著不同的行为，仅在它们彼此之间以及与其他测度之间显示弱相关。这表明这5个测度可能捕捉到节点重要性的独特属性。进一步分析揭示，不同中心性测度识别出的最有影响力节点分布模式存在显著差异：一些测度倾向于将重要节点紧密聚集，而另一些则将其分散到网络中的不同位置。使用流行病传播模型，我们发现LocalRank、子图中心性和Katz中心性在识别最有影响力的单个节点方面表现最佳，而杠杆中心性、集体影响和循环比率在识别最有影响力的节点集合方面表现突出。总体而言，识别具有较大拓扑距离的节点的测度在检测最有影响力的节点集合方面表现更好。有趣的是，尽管应用于相同的动态过程，但在两个看似相似的任务中——识别重要节点 versus 识别重要节点集合——对这16个中心性测度进行排名时，结果排名呈负相关。
引用
@article{arxiv.2508.09563,
title = {Performances and Correlations of Centrality Measures in Complex Networks},
author = {Yilin Bi and Xinshan Jiao and Tao Zhou},
journal= {arXiv preprint arXiv:2508.09563},
year = {2025}
}