Identification of influential nodes in complex networks: Method from spreading probability viewpoint

مشکل شناسایی گره های تاثیرگذار در شبکه های پیچیده به دلیل کاربرد گسترده آن، از جمله چگونگی به حداکثر رساندن انتشار اطلاعات، افزایش ترویج محصول در مبارزات بازاریابی ویروسی، جلوگیری از اپیدمی گسترده و غیره، توجه زیادی را جلب کرده است. از دیدگاه گسترش، احتمال یک گره که اطلاعات آن را به یک گره دیگر منتقل می کند، نزدیک به کوچکترین فاصله بین آنها، تعداد کوتاهترین مسیرها و نرخ انتقال است. با این وجود، برای رسیدن به مقادیر نرخ انتقال برای موارد مختلف دشوار است، برای غلبه بر چنین مشکلی، ما از متقارن درجه متوسط ​​برای تقریبی نرخ انتقال استفاده می کنیم. سپس یک شاخص مرکزی نیمه مرکزی پیشنهاد می شود که کوتاه ترین فاصله، تعداد کوتاه ترین مسیرها و متقارن درجه متوسط ​​را به طور همزمان ترکیب کند. با اجرای شبیه سازی در شبکه های واقعی و همچنین شبکه های مصنوعی، ما تأیید می کنیم که مرکزیت پیشنهادی ما می تواند مرزهای شناخته شده ای مانند مرکز درجه، مرکز بین، مرکز تقریبی، مرکز کیف پوک و مرکز عدم پذیرش را فراتر رود. به طور خاص، یافته های ما نشان می دهد که عملکرد روش ما مهم ترین زمانی است که نرخ انتقال به آستانه اپیدمی نزدیک می شود که بیشترین منطقه معنی دار برای شناسایی گره های تاثیرگذار است.