.png){kind=icon}
返回
A key node identification method based on neighborhood-derived cluster method
.png){kind=icon}
PRE
AI
DOI：10.1016/j.neucom.2026.134646.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在复杂网络中识别关键节点一直是网络科学领域的一项基础且具有挑战性的任务，包括信息传播、病毒控制、公众舆论监测等。然而，传统方法主要依赖网络拓扑的局部或全局特征，难以充分捕捉众多现实系统中固有的多元交互关系。本文提出了一种基于邻域的聚类方法（NDCM），该方法将聚类结构与多维拓扑特征相结合。我们的方法首先量化每个节点的聚类潜力并计算成员分数以检测社区结构。随后，引入扩散能力以在每个社区内选择全局枢纽节点，确保跨社区的信息高效传播。在此基础上，采用指数衰减加权机制整合多维拓扑特征（包括邻域、位置、结构冗余等），以获得节点的综合影响力。在九个真实网络上的广泛实验验证了NDCM相较于基准方法在多种指标上的卓越性能，包括Kendall's tau系数、不精确函数、单调性和互补累积分布函数（CCDF）。值得注意的是，NDCM在节点影响力预测准确性、排序稳定性及鲁棒性方面优于现有中心性方法。
Keyword:
Complex networks
Key node identification
Clustering algorithm
Multi-dimensional topology
