Weighted kshell degree neighborhood: A new method for identifying the influential spreaders from a variety of complex network connectivity structures
来自美国国立理工学院(是这么翻译的吧)发表在expert systems with applications的文章,这篇文章思路简洁易懂,实验内容也丰富,文章里表达的远远不止本博文所呈现的只言片语,想看原文的小伙伴们可点击大标题右下方的”版权“进行拜读。该文章认为,K-Shell方法在网络连通结构好的网络中效果更好,而在网络连通不完整的网络中度中心性方法效果更好。故文章将二者进行了结合得出算法Weighed Kshell degree neighborhood method,并给出了一个可调节的参数来调节算法的效果。
提出的方法
Weighted kshell degree neighborhood(
k
s
d
w
ksd^{w}
ksdw)算法参考了其他文献,在寻找有影响力节点的时候考虑了邻居边的权重。节点
i
i
i和节点
j
j
j之间的边权重
w
i
j
w_{ij}
wij定义如下:
其中,
k
s
i
,
k
s
j
ks_{i},ks_{j}
ksi,ksj分别是节点
i
i
i和节点
j
j
j的Kshell值,
k
i
,
k
j
k_{i},k_{j}
ki,kj则分别是节点
i
i
i和节点
j
j
j的度。
α
,
μ
\alpha,\mu
α,μ则是两个良性调节因子,控制着kshell和degree的参与力度,
α
,
μ
∈
[
0
,
1
]
\alpha, \mu \in [0,1]
α,μ∈[0,1]。
每个节点的
k
s
d
w
ksd^{w}
ksdw值定义如下:
其中,
Γ
i
\Gamma_{i}
Γi为节点
i
i
i的邻居集合。
通过排列所有节点的
k
s
d
w
ksd^{w}
ksdw值则可得到影响力节点。