基于局部迭代度量的节点影响力预测

节点传播影响力是指当某节点作为传播种子时激活网络其余部分的能力。研究表明，分别基于局部和全局拓扑信息导出的节点属性（中心性度量）相结合比单一度量更能预测节点影响力。本文中，我们探究节点周围的局部与全局拓扑信息在多大程度上有助于节点影响力的预测，以及相对局部的信息是否足以进行预测。我们表明，通过利用用于推导诸如特征向量中心性这类经典节点中心性的迭代过程，可以定义一个迭代度量集，逐步纳入节点周围更多的全局信息。我们提出使用由迭代过程中生成的从 1 阶到 K 阶的迭代度量组成的迭代度量集来预测节点影响力，随着 K 增大逐步编码更多全局信息。考虑了三种迭代度量，它们分别收敛于三种经典节点中心性度量。我们的结果表明，对于三种迭代度量中的每一种，当纳入相对低阶（K~4）的度量时预测质量已接近最优，且进一步增大 K 时仅边际提升。表现最佳的迭代度量集在真实世界网络与具有社区结构的合成网络中，均展现出与结合七种中心性度量的基准相当的预测质量。我们的发现进一步通过迭代度量与节点影响力的相关性、迭代度量的收敛性以及网络性质得到解释。