QuickCent：一种用于无标度网络调和中心性估计的快速节俭启发式方法
社会与信息网络
2024-06-11 v2 机器学习
摘要
我们提出了一种简单快速的方法来近似计算网络中心性指标。我们的方法称为 QuickCent，其灵感来源于所谓的快速节俭启发式（fast and frugal heuristics），这类启发式最初用于建模某些人类决策与推理过程。我们所估计的中心性指标是调和中心性（harmonic centrality），它是一种基于最短路径距离的度量的指标，因此在大型网络上计算不可行。我们在优先连接（preferential attachment）生成的合成数据以及一些经验网络上，将 QuickCent 与已知的机器学习算法进行比较。我们的实验表明，无论是在合成无标度网络还是经验网络上，QuickCent 都能做出与所测试的最佳替代方法在精度上具竞争力的估计。QuickCent 具有在低误差方差下做出估计的特点，即便训练集很小也是如此。此外，QuickCent 在效率——精度与时间代价——方面可与更复杂的方法相媲美。我们讨论并提供了一些见解，说明 QuickCent 如何利用如下事实：在某些网络中，例如由优先连接生成的网络，局部密度度量（如入度）可以作为节点所能访问的网络区域大小的代理，从而开启了基于大小（如调和中心性）近似中心性指标的可能性。我们的初步结果表明，简单启发式与受生物学启发的计算方法在网络度量估计领域中是一条有前景的研究路线。
引用
@article{arxiv.2303.00927,
title = {QuickCent: a fast and frugal heuristic for harmonic centrality estimation on scale-free networks},
author = {Francisco Plana and Andrés Abeliuk and Jorge Pérez},
journal= {arXiv preprint arXiv:2303.00927},
year = {2024}
}