基于邻接信息熵的复杂网络关键节点识别 |《科学报告》前100亮点文章

论文标题：Identifying vital nodes in complex networks by adjacency information entropy

期刊：Scientific Reports

作者：Xiang Xu, et.al

数字识别码：10.1038/s41598-020-59616-w

微信链接：点击此处阅读微信文章

识别网络中的关键节点对于理解节点的功能和网络的性质具有重要的意义。目前关于衡量网络关键节点的指标有很多，如介数中心性（Betweenness Centrality, BC）、离心中心性（Eccentricity, EC）、接近中心性（ Closeness Centrality, CC ）、结构洞（Structural Holes, SH）、度中心性（Degree Centrality, DC）、PageRank(PR)和特征向量中心性（Eigenvector Centrality, VC）等。然而，这些指标的应用范围往往有限，离心中心性和接近中心性一般只适用于无向网络，PageRank和特征向量中心性一般用于有向网络。为了设计更适用的节点中心性度量指标，国防科学技术大学信息系统工程国防科技重实验室徐翔和朱承等人提出了两种基于节点邻接信息熵的关键节点识别算法。为了验证所提算法的有效性和适用性，对BC、EC、CC、SH、DC、PR和VC指数在不同网络中的对比实验进行了验证。结果表明，本文提出的指标与局部度量DC具有较高的相关性，与有向网络的PR和VC指标也具有一定的相关性。此外，实验结果表明，该算法可以有效地识别不同网络中的重要节点。

© nature

doi: 10.1038/s41598-020-59616-w