یک معیار مرکزیت جدید بر اساس رویکرد نیمه-محلی برای شناسایی گره های تاثیرگذار در شبکه های پیچیده

یافتن زیرمجموعه کوچکی از افراد تاثیرگذار در یک شبکه پیچیده به گونه ای که بتوانند اطلاعات را به بیشترین تعداد گره در شبکه پخش کنند، موضوعی مهم است. اگرچه برخی از روشهای ابتکاری، از جمله مرکزیت درجه، مرکزیت بینابینی، مرکزیت نزدیکی، روش تجزیه k-shell و الگوریتم حریصانه، میتوانند به شناسایی گره های تاثیرگذار کمک کنند، اما محدودیتهایی برای شبکه هایی با ساختار جامعه دارند. این مقاله معیار جدیدی را برای ارزیابی افراد تاثیرگذار بر اساس معیارهای مرکزیت نیمه- محلی ارائه میدهد. در این روش، نه تنها اهمیت خود گره بلکه تاثیر همه گره های گراف نیز در نظر گرفته شده است. روش پیشنهادی می تواند اهمیت سراسری گره ها را بر اساس کوتاه ترین مسیرها با اهمیت نیمه-محلی ترکیب کند. معیار مرکزیت پیشنهادی برای محاسبه اهمیت بهتر گره ها از تغییرات نسبی میانگین کوتاه ترین مسیر در کل شبکه استفاده می کند. برای ارزیابی عملکرد معیار پیشنهادی از مدل انتشار شایعه حساس- آلوده-حذف شده (SIR) استفاده شده است. نتایج تجربی نشان میدهد که گره های تاثیرگذار شناساییشده با روش پیشنهادی میتوانند با دقت و سرعت بیشتری نسبت به الگوریتمهای مشابه گره های تاثیرگذار را در شبکه های مختلف شناسایی کنند. به طور خاص، روش پیشنهادی در مقایسه با مدلهای NL و CFIN همبستگی مثبت بیشتری گزارش میدهد.

کلیدواژه های یک معیار مرکزیت جدید بر اساس رویکرد نیمه-محلی برای شناسایی گره های تاثیرگذار در شبکه های پیچیده:

شبکه پیچیده ، مرکزیت ، انتشار شایعه ، گره های تاثیرگذار ، مدل .SIR