社交网络的结构保持稀疏化
社会与信息网络
2015-05-05 v1 物理与社会
摘要
稀疏化在保持关注的结构和统计性质的同时缩减网络规模。不同背景下已提出多种稀疏化算法。我们首次对边稀疏化方法在多种网络性质上进行了系统的概念与实验比较。研究表明，它们可理解为按重要性对边评分然后依据这些分数全局过滤的方法。此外，我们提出一种新的稀疏化方法（Local Degree，局部度），其保留通向局部枢纽节点的边。所有方法在100个Facebook社交网络上针对包括直径、连通分量、社区结构和多种节点中心性度量在内的网络性质进行评估。使用我们实现的稀疏化方法（基于开源网络分析工具套件 NetworKit）的实验表明，许多网络性质可保留至原始边集的大约20%。此外，实验结果使我们能区分不同方法的行为，并展示哪种方法适于哪种性质。我们的局部度方法对大规模网络足够快，且在比先前提出的方法更广的性质范围内表现良好。
引用
@article{arxiv.1505.00564,
title = {Structure-Preserving Sparsification of Social Networks},
author = {Gerd Lindner and Christian L. Staudt and Michael Hamann and Henning Meyerhenke and Dorothea Wagner},
journal= {arXiv preprint arXiv:1505.00564},
year = {2015}
}
备注
8 pages