一种较好的区分指标差异性的评价标准

一类分析评价指标差异性的方法

参考文献：Fast ranking influential nodes in complex networks using a k-shell iteration factor
该文献中定义区分评价指标单调性的方法为：
我们期望对采用的影响力评价指标具备很好的区分度，既具有相同评价值的节点越少，评估度量就越好。该文献中，采用参考文献 [1] 中描述的指标 M 来评估不同排名度量的单调性，具体形式如下：
$$M(R)=(1-\frac{{\sum }_{r\in R}{n}_r(n_r-1)}{n(n-1)}{)}^2$$
在上述公式中，R表示网络节点的排名向量，n表示向量R的排名数，nr表示具有相同排名r的节点数。如果所有节点都在同一秩中，则向量 R 为无效排名，对应的 M 为 0，如果每个秩只有一个节点，则向量 R 是一个完全排名的节点，相应的 M 为 1，此时说明该指标非常不错。
典型案例：
上式中计算中 n=14
$$M(KS-IF)=(1-\frac{2(2-1)+2(2-1)+2(2-1)}{14(14-1)}{)}^2=0.94$$
$$M(KS-K)=(1-\frac{4(4-1)+2(2-1)+2(2-1)}{8(8-1)}{)}^2=0.51$$
$$M(C_{nc+})=(1-\frac{3(3-1)+2(2-1)+2(2-1)+2(2-1)}{12(12-1)}{)}^2=0.83$$
由此可见，KS-IF评价指标表现最好。
上述指标在做部分指标如k-shell ，约束系数，介数，度的方法改进时候，能很好地适用于改进算法的评价。
[1] Joonhyun Bae, Sangwook Kim, Identifying and ranking influential spreaders in complex networks by neighborhood coreness, Physica A 395 (2014) 549–559. http://dx.doi.org/10.1016/j.physa.2013.10.047