Identifying Important Nodes in Complex Networks Based on Node Propagation Entropy 熵的复杂网络节点识别2022

目录

1. Introduction

2. Centrality Indicators 核心指标

3. Materials and Methods 

3.1. Node Propagation Entropy 节点传播熵

3.2. Effectiveness of the Proposed Node Propagation Entropy Metric节点传播熵度量的有效性

 4. Experiments and Results实验与结果

4.1. Date

4.2. SIR模型

4.3. SIRS模型

4.4.肯德尔系数

4.5. Epidemic Models Experiment流行病模型实验

 4.6. Robustness Experiment鲁棒性实验

 5. Discussion

---

1. Introduction

2. Centrality Indicators 核心指标

• DC度中心性

• BC介数中心性

• CC接近度中心性

• EC特征向量中心性

• H-index

• GIN

• LGC改进重力模型

3. Materials and Methods 

3.1. Node Propagation Entropy 节点传播熵

局部聚类系数：节点i的局部聚类系数由节点i相邻节点之间实际存在的边数与最大可能边数之比给出。因此，无向网络的局部聚类系数定义为:

聚类系数和邻居(cn)的描述了节点的局部传播能力，定义如下:

 

 Cn只考虑局部信息，不考虑全局信息。节点PE在式中定义如下

其中节点j表示网络中的任意节点，n为节点总数，CNJ表示节点j的本地传播能力。

 

 式中，N(i)表示节点i的所有一阶邻居，j表示N(i)中的任意节点。

伪代码

3.2. Effectiveness of the Proposed Node Propagation Entropy Metric节点传播熵度量的有效性

 

 4. Experiments and Results实验与结果

4.1. Date

12个网络

4.2. SIR模型

4.3. SIRS模型

4.4.肯德尔系数

4.5. Epidemic Models Experiment流行病模型实验

 4.6. Robustness Experiment鲁棒性实验

  

 5. Discussion