再帰的浸透過程によるネットワークの重要ノードの評価

構造の異質性により、ネットワークシステムの主な機能と構造は、各メンバーではなくいくつかの重要なノードによって大きく影響されます。実際には、重要なノードの特性はネットワークごとに異なる可能性があるため、異なるネットワークや異なるダイナミクスの重要ノードを特定するために特別に設計されたさまざまなアルゴリズムがあります。本論文では、ノードがランダムに接続されるときの接続されたクラスタの挙動を記述する統計物理学における浸透モデルを用いて、広く適用可能なアルゴリズムを提案します。このアルゴリズムは、ネットワークの局所的およびグローバルな特性を適切に組み合わせて、次数やクラスタリングのような明らかに局所的な重要性を持たないノードや、仲介中心性のような明らかにグローバルな重要性を持たないノードの重要性を強調します。我々のアルゴリズムの有効性は、異なる次数分布と異なる次数相関を持つモデルネットワークおよび経験的ネットワークを含む一連のネットワークで示されています。シェル分解プロセスとして、我々のアルゴリズムのフレームワークは、コミュニティ、コア–ペリフェリー構造、シェル構造などのネットワーク構造を分析するのに広範な応用の見通しがあります。