由于能够表达高阶结构，超图正成为网络分析的核心话题。在本文中，我们提出了一种无参数的团体中心性指数，适用于所有超图，包括涉及单点超边和不连通超图的情况。我们通过将空单纯形引入超图的单纯复形，构建了一个遗传类。总结遗传复形中的边界-共边界关系，定义了遗传图，并自然连接。针对与共边界和边界的对偶关系，分别为所有单纯形定义了内外中心性指数，并形成一个全球电路，其稳态定义了遗传对偶排名中心性。基于单纯形的外中心性与内中心性的比率，我们定义其有效性，描述相应团体的相对生产力。将遗传对偶排名中心性应用于科学合作数据集，我们分析了合作中的个人选择，详细反映出学者在即将进行的研究中寻求相对有效合作的趋势。基于个人有效性值，我们定义了合作的效率指数，并揭示其与个人有效性值的离散性之间的负相关。这项工作提供了对超图演变和动态的深入拓扑理解。
刘等（周五）研究了这个问题。