.png){kind=icon}
返回
Identifying active spreading nodes in complex networks
.png){kind=icon}
PRE
AI
DOI：10.1016/j.physa.2025.130619.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
识别复杂网络中的影响传播者仍然是一个重要的研究课题。以往研究主要集中于估计传播源头。我们的研究聚焦于识别受感染节点在传播过程中是否具备持续的感染能力。我们将具有持续感染能力的节点定义为具有高节点活性的活跃节点。我们提出了一种基于节点中心性的算法来计算节点活性。与既定范式不同，我们提出节点中心性与节点活性呈负相关。中心性较低的节点表现出更高的活性和传染性。相比之下，中心性较高的节点可能已从感染中恢复，导致活性降低和病毒传播能力减弱。在人工网络和经验网络上的实验表明，所提出的方法能够有效识别具有持续感染能力的节点。该方法加深了我们对传播动态的理解，并为管理和控制复杂网络中信息或疾病的传播提供了有价值的工具。
Keyword:
Spreading process
Node activity
Centrality
Spreading dynamics
期刊
P
IF:
3.1
论文数:
1.3K
被引数:
3.6W
机构
引用论文
分享收藏分享收藏Influence maximization in complex networks through optimal percolation通过最佳渗流在复杂网络中最大化影响.png)
Nature
OAAI
NatureIF0
OAAI分享收藏
A machine learning-based approach for vital node identification in complex networks一种基于机器学习的复杂网络关键节点识别方法
PREAI
分享收藏
查看更多内容