کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
7377937 1480121 2016 14 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Centrality measures for networks with community structure
ترجمه فارسی عنوان
اقدامات مرکزی برای شبکه های با ساختار جامعه
کلمات کلیدی
شبکه های پیچیده دینامیک اپیدمی، ساختار جامعه، استراتژی های ایمن سازی،
ترجمه چکیده
درک شبکه ساختاری و شناسایی گره های تاثیرگذار یک مسئله چالش برانگیز در شبکه های بزرگ است. شناسایی گره های تاثیر گذار در شبکه می تواند در بسیاری از برنامه های کاربردی مانند ایمن سازی گره ها در صورت گسترش همه گیر، در طی حملات عمدی به شبکه های پیچیده مفید باشد. تحقیقات زیادی برای تهیه ابزار اندازه گیری مرکزی انجام شده است که می تواند به طور موثری گره های تاثیرگذار در شبکه را شناسایی کند. دو رویکرد عمده برای این مشکل وجود دارد: از یک سو استراتژی های قطعی که از دانش در مورد توپولوژی کلی شبکه استفاده می کنند، در حالی که از سوی دیگر، استراتژی های تصادفی کاملا ساختار شبکهای دارند. اقدامات متمرکز که می توانند با دانش محدودی از ساختار شبکه مقابله کنند، اهمیت اساسی دارند. در واقع، در عمل، اطلاعات در مورد ساختار جهانی شبکه عمومی به ندرت در دسترس است و یا سخت است برای بدست آوردن. حتی اگر موجود باشد، ساختار شبکه ممکن است خیلی بزرگ باشد که برای محاسبه اقدامات مرکزی جهانی محاسبه شده است. به این ترتیب، یک اندازه گیری مرکزی در اینجا پیشنهاد شده است که نیاز به اطلاعات تنها در سطح جامعه است. در واقع، بیشتر شبکه های دنیای واقعی یک ساختار جامعه ای را نشان می دهند که می تواند به طور مؤثر برای کشف گره های تاثیرگذار مورد استفاده قرار گیرد. ما یک ارزیابی مقایسه ای از استراتژی های مهم قطعی جهانی با استراتژی های تصادفی، یک استراتژی مبتنی بر قطعی موجود و پیشنهاد شده ارائه دادیم. اثربخشی روش پیشنهادی با انجام آزمایشات در شبکه های مصنوعی و دنیای واقعی با ساختار جامعه در مورد ایمن سازی گره ها برای کنترل همه گیری ها ارزیابی می شود.
موضوعات مرتبط
مهندسی و علوم پایه ریاضیات فیزیک ریاضی
پیش نمایش مقاله
اقدامات مرکزی برای شبکه های با ساختار جامعه
چکیده انگلیسی
Understanding the network structure, and finding out the influential nodes is a challenging issue in large networks. Identifying the most influential nodes in a network can be useful in many applications like immunization of nodes in case of epidemic spreading, during intentional attacks on complex networks. A lot of research is being done to devise centrality measures which could efficiently identify the most influential nodes in a network. There are two major approaches to this problem: On one hand, deterministic strategies that exploit knowledge about the overall network topology, while on the other end, random strategies are completely agnostic about the network structure. Centrality measures that can deal with a limited knowledge of the network structure are of prime importance. Indeed, in practice, information about the global structure of the overall network is rarely available or hard to acquire. Even if available, the structure of the network might be too large that it is too much computationally expensive to calculate global centrality measures. To that end, a centrality measure is proposed here that requires information only at the community level. Indeed, most of the real-world networks exhibit a community structure that can be exploited efficiently to discover the influential nodes. We performed a comparative evaluation of prominent global deterministic strategies together with stochastic strategies, an available and the proposed deterministic community-based strategy. Effectiveness of the proposed method is evaluated by performing experiments on synthetic and real-world networks with community structure in the case of immunization of nodes for epidemic control.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Physica A: Statistical Mechanics and its Applications - Volume 452, 15 June 2016, Pages 46-59
نویسندگان
, , ,