社区结构是一个重要而有用的统计特征,在社交网络中无处不在。17在此基础上,网络可以看作是由多个单元组成的。节点(用户)在一个单元内彼此高度连接,而单元之间的连接是稀疏的。4,17例如,有相似兴趣或背景的人可能会联合起来组成一个社区,或者有相关主题的网页可能聚集在一起。不同类型的信息,包括谣言,5病毒攻击,10甚至网络流行病也会通过社交网络传播,8可能导致意想不到的社会影响。一个典型的例子是2017年5月12日首次报道的“想哭”勒索软件在全球范围内发起的网络攻击,导致全球20多万家机构感染。15潜在的攻击反映了社区存在下的恶意扩散;也就是说,个体的同质性特征导致了群体的脆弱性。正是在这种背景下,理解潜在的动态可以帮助网络管理员洞察到控制不需要的信息扩散。今天的许多研究都涉及到具有社区结构的网络(比如检测潜在的社区,21扩散动力学模型,6控制信息的传播和共享19).尤其要考虑扩散过程中各节点的影响。在模拟实验中,触发扩散的源节点由研究人员从网络中随机选择或基于预定义的中心性度量。
近几十年来,提出了多种中心性度量来统计评估节点的重要性或影响(如度、2中间状态,11coreness,14和特征向量3.).度主要用来表征节点的部分影响。2中间性反映了节点在控制信息流方面的潜在力量。11核心性意味着如果一个节点位于网络的核心部分,则该节点更重要。14特征向量考虑两个因素:节点的连接和相邻节点的影响。3.最新的研究研究了在信息扩散中具有相对较大中心性的节点。然而,中心性相对较小的节点对扩散过程的影响从来没有被完全解决。在这篇文章中,我们旨在解释基于社区的网络中信息扩散过程中两种节点的重要性。我们的发现可以帮助网络管理员更好地理解社区的多样性和相关的扩散过程的复杂性。
没有发现记录