网络中骨架与显著特征的鲁棒性
物理与社会
2014-02-19 v1 社会与信息网络
摘要
现实世界的网络数据集通常包含丰富的复杂拓扑信息。面对这些数据，研究人员经常采用方法来提取包含最重要结构或路径的简化网络，有时称为“骨架”或“主干”。已经开发了许多这样的方法。然而，数据通常是有噪声或不完整的，缺失或虚假链接的数量未知。关于显著网络提取方法在面对噪声或不完整网络时的表现，相关研究相对较少。我们通过比较两种流行方法提取的显著特征在网络受到扰动（删除节点或链接，或随机重连链接）时的变化来研究这个问题。我们的结果表明，即使对于有噪声和不完整的网络数据，也可以准确推断骨架的简单全局统计量，但要使用骨架或主干的精确拓扑，必须拥有完整、可靠的数据。这些结果也有助于我们理解骨架如何响应网络本身的损伤，例如在攻击场景中。
引用
@article{arxiv.1309.3797,
title = {Robustness of skeletons and salient features in networks},
author = {Louis M. Shekhtman and James P. Bagrow and Dirk Brockmann},
journal= {arXiv preprint arXiv:1309.3797},
year = {2014}
}