复杂网络中影响者识别的理论

在社会与生物系统中，交互网络的结构异质性导致在一系列动力学过程中涌现出一小部分有影响力的节点，即影响者。尽管这些影响者远小于整个网络的规模，但据观察它们能够在不同情境下塑造大量群体的集体动力学。因此，成功识别影响者对于诸如病毒式营销、疫情爆发和级联故障等多种现实传播动力学具有深远影响。在本章中，我们首先总结了复杂网络中寻找单个影响者的基于中心性的方法，然后讨论了从集体视角定位多个影响者这一更复杂的问题。将介绍根植于集体影响理论、置信传播和计算机科学的进展。最后，我们展示了影响者识别在多种现实系统中的应用，包括在线社交平台、科学出版、脑网络和社会经济系统。