用于时序网络重要节点识别的时序引力模型
物理与社会
2021-05-19 v1 社会与信息网络
摘要
识别重要节点是网络科学的核心任务之一，对分析网络结构和理解网络上的动态过程至关重要。大多数真实系统都是时变的，并可很好地表示为时序网络。受物理学中经典引力模型的启发，我们提出一种时序引力模型以识别时序网络中的有影响力节点。引力模型中的两个关键要素是物体的质量和两物体间的距离。在时序引力模型中，我们将节点视为物体，基本节点属性（如静态和时序属性）视为节点的质量。我们定义时序距离，即最快到达距离和时序最短距离，作为模型中两节点间的距离。我们将我们的模型以及基线中心性方法用于重要节点识别。在十个真实数据集上的实验结果表明，时序引力模型在量化节点结构影响力方面优于基线方法。此外，当我们使用时序最短距离作为两节点间距离时，与基线方法相比，我们的模型具有鲁棒性，并在量化节点传播影响力方面表现最佳。
引用
@article{arxiv.2007.02097,
title = {Temporal Gravity Model for Important Nodes Identification in Temporal Networks},
author = {Jialin Bi and Ji Jin and Cunquan Qu and Xiuxiu Zhan and Guanghui Wang},
journal= {arXiv preprint arXiv:2007.02097},
year = {2021}
}
备注
34 pages, 6 pages