Identifizierung der Top- k strukturellen Brückenbauer in großangelegten sozialen Netzwerken

Jüngste Studien haben gezeigt, dass in sozialen Netzwerken Benutzer, die verschiedene Gemeinschaften überbrücken, bekannt als strukturelle Brückenbauer, großes Potenzial haben, verfügbare Ressourcen aus diesen Gemeinschaften zu erwerben und Zugang zu mehreren Informationsquellen zu gewinnen. Strukturelle Brückenbauer sind entscheidend in vielen Anwendungen wie Gemeinschaftserkennung, Diffusionskontrollen und Viral-Marketing. Trotz ihrer Bedeutung wurde ihnen nicht viel Aufmerksamkeit geschenkt. Insbesondere die Charakterisierung der Eigenschaften von strukturellen Brückenbauern und die Entwicklung effizienter und skalierbarer Algorithmen zu ihrer Identifizierung sind grundlegende Fragen. In diesem Papier formulieren wir das Problem als das Top-k strukturelle Brückenbauer-Problem. Konkret bieten wir zunächst ein generisches Modell zur Messung der Qualität der strukturellen Brückenbauer an, indem wir deren Eigenschaften untersuchen, und zeigen, dass das Problem NP-schwer ist. Anschließend entwickeln wir effiziente und skalierbare Algorithmen, indem wir die begrenzten inversen Nähezentralitäten der Knoten ausnutzen und die Verbindungspunkte des Netzwerks nutzen. Schließlich bewerten wir die Leistung der vorgeschlagenen Algorithmen durch umfangreiche Experimente mit realen und synthetischen Datensätzen und validieren die Wirksamkeit des vorgeschlagenen Modells. Unsere experimentellen Ergebnisse zeigen, dass das vorgeschlagene Modell die Eigenschaften der strukturellen Brückenbauer genau erfassen kann und die vorgeschlagenen Algorithmen sehr vielversprechend sind.