论文笔记——加权K_Shell度邻域：一种从各种复杂的网络连接结构中识别有影响的传播者的一种新方法

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（$ks{d}^w$）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$i$和节点$j$之间的边权重$w_{ij}$定义如下：

其中，$k{s}_i,k{s}_j$分别是节点$i$和节点$j$的Kshell值，$k_i,k_j$则分别是节点$i$和节点$j$的度。$\alpha ,\mu$则是两个良性调节因子，控制着kshell和degree的参与力度，$\alpha ,\mu \in [0,1]$。
每个节点的$ks{d}^w$值定义如下：

其中，${\Gamma }_i$为节点$i$的邻居集合。
通过排列所有节点的$ks{d}^w$值则可得到影响力节点。