基于层间相似性的时序网络节点重要性研究

• 作者: 刘建国 杨剑楠 郭强
• 来源期刊: 物理学报
• 关键词: 时序网络 层间相似性 特征向量中心性 时序全局效率
• 年，卷（期）: 2018,（4）
• 所属期刊栏目: 物理学交叉学科及有关科学技术领域
• 页码范围: 272-280
• 页数: 9页
• 语种: 中文
• DOI: 10.7498/aps.67.20172255

摘要

时序网络可以更加准确地描述节点之间的交互顺序和交互关系.结合多层耦合网络分析法,本文提出了基于节点层间相似性的超邻接矩阵时序网络节点重要性识别方法,与经典的认为所有层间关系为常数不同,层间关系用节点的邻居拓扑重叠系数进行度量.Workspace和Enrons数据集上的结果显示:相比经典的方法,使用该方法得到的Kendall'sτ值在各时间层上的平均提高,最高为17.72%和12.44%,结果表明层间相似性的度量对于时序网络的节点重要性度量具有十分重要的意义.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郭强	上海理工大学复杂系统科学研究中心	55	568	8.0	23.0
2	刘建国	上海财经大学金融科技研究院	24	36	4.0	5.0
3	杨剑楠	上海理工大学复杂系统科学研究中心	2	8	1.0	2.0