.png){kind=icon}
返回
An effective method for profiling core-periphery structures in complex networks
.png){kind=icon}
PRE
AI
DOI：10.1016/j.physa.2025.130618.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
网络核心-边缘结构的分析已引起广泛关注，推动了多种方法的开发。其中，rich-core方法因其完全无参数且可扩展至大型网络而独具特色。然而，该方法识别的核心在结构上并非总是凝聚的，可能缺乏高连接密度。本文基于rich-core框架提出了一种改进方法。与依赖节点度不同，本方法整合了节点的coreness值k及其在k-核内的中心性。我们将该方法应用于十二个真实网络，发现识别出的核心通常比rich-core方法得到的更密集。此外，我们证明该方法为识别异常密集核心（即团）提供了一种自然途径，而团在许多真实网络中往往近似甚至等同于最大团。进一步，我们将该方法扩展至多层网络，并通过几个典型数据集展示了其在识别密集多层核心方面的有效性。本研究有望为探索复杂网络的介观尺度特性提供有价值的见解。
Keyword:
Complex network
Core-periphery
Clique
k-core
Multiplex network
Rich-core
期刊
P
IF:
3.1
论文数:
1.3K
被引数:
3.6W
机构
引用论文
.png){kind=icon}
The worst-case time complexity for generating all maximal cliques and computational experiments
PREAI
分享收藏
查看更多内容