.png){kind=icon}
返回
A novel influence rank algorithm in complex networks
.png){kind=icon}
PRE
AI
DOI：10.1016/j.ins.2026.123590.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
识别关键节点在信息传播、推荐系统和广告推送等领域发挥着重要作用。然而，现有方法仍存在一些未解决的问题，特别是那些仅考虑局部信息或处理全局信息时精度较低的方法。本文提出了一种结合向心力方法和引力模型的新型关键节点识别方案，旨在全面评估网络中节点所展现的全局和节点级影响力。首先，我们提出了一种新的中心性方法——向心力中心性（CFC），该方法考虑了k-壳分解介数中心性和节点间距离。然后，我们开发了Influence-Rank-CFGE算法来检测网络中的前k个有影响力节点。最后，我们在九个经验网络数据集上对CFGE和六种基准方法进行了比较实验。实验结果表明，我们提出的方案能更有效地识别关键节点，并优于当前先进方法。
Keyword:
Key node identification
Complex networks
Gravity model
Centripetal force centrality
Influence-rank-CFGE algorithm
期刊
IF:
6.8
论文数:
540
被引数:
6.2W
机构
引用论文
Critical node identification in complex networks via gravity model based on steady-state restart Markov chain基于稳态重启马尔可夫链的重力模型在复杂网络中的关键节点识别
PREAI
分享收藏
A multi-feature vital node identification scheme in complex networks复杂网络中的一种多特征关键节点识别方案.png)
PHYSICS LETTERS A
PHYSICS LETTERS AIF2.6
PREAI
分享收藏The H-index of a network node and its relation to degree and corenessNATURE COMMUNICATIONS
OAAI
NATURE COMMUNICATIONSIF15.7
OAAI分享收藏
查看更多内容