复杂网络中的子图中心性

我们引入了一种新的中心性度量，用于表征网络中每个节点在所有子图中的参与程度。较小的子图被赋予比更大的子图更高的权重，这使得该度量适用于表征网络模体。我们证明，子图中心性(SC)可以从网络邻接矩阵的谱中通过数学推导得到。与度中心性、紧密度中心性、介数中心性和特征向量中心性等其他度量相比，该度量能更好地区分网络中的节点。我们研究了八个真实世界网络，在这些网络中，SC 显示出有用且理想的特性，例如清晰的节点排序和无标度特征。与每个节点的连接数相比，SC 引入的排序（针对酿酒酵母蛋白质相互作用网络中的节点）与从蛋白质组中移除单个蛋白质的致死率具有更高的相关性。