A Re-Ranking Algorithm for Identifying Influential Nodes in Complex Networks
本文基于节点排序方法，提出了一种新的信息传播函数重新排序算法，以识别复杂网络中一组有影响的节点。对于该算法的每一步，选择得分最高的节点，然后利用信息传播概率函数INF根据所选节点的局部路径更新节点分数。利用可感知感染恢复(SIR)模型评估了该算法的有效性。
1 背景知识
SIR model
之前论文笔记中讲过，这里不做过多介绍。
重排序算法
若节点以概率α将信息传播给邻居，则信息从节点
v
i
v_{i}
vi传播到节点
v
j
v_j
vj的概率为：
其中
∣
p
i
j
(
l
)
∣
|p^{(l)}_{ij}|
∣pij(l)∣为节点
v
i
v_{i}
vi和节点
v
j
v_j
vj之间长度为l 的路径数目。受此启发，提出了一种重新排序算法RINF，通过对现有节点排序算法的重新排序结果来识别一组有影响力的节点如度中心性，pagerank等。
2 提出的方法
其中，
Γ
l
(
v
)
\Gamma_{l(v)}
Γl(v)为节点v的l跳邻居（节点v和
Γ
l
(
v
)
\Gamma_{l(v)}
Γl(v)之间的最短路径为l）。在选择任意节点排序算法作为输入后，反复选择得分最大的节点，并通过传播速率函数INF降低其他节点的分数，直到选择特定数量的节点。
为了给出一个直观的解释，我们使用RINF基于度中心性选择一个toy网络上的前2个节点。
如图1所示，图1(a)表示在第一回合中选择节点F（最高分数），并在以下过程中将其分数设置为0。节点A、C、G、H、I、J、K的分数降低了Eq1。根据新的节点分数，选择节点A，因为它得到了最高的分数3.84。
标签：最大化,分数,排序,选择,算法,RINF,节点 来源： https://blog.csdn.net/qq_37730871/article/details/118487256
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。