Identificar nodos influyentes a través de la k-shell jerárquica y la integración de vecindad extendida

Área de la Ciencia:

• Análisis complejo de redes de análisis de redes.
• Ciencia de la red Ciencia de la red.
• Las ciencias sociales computacionales.

Sus antecedentes:

• La identificación de nodos influyentes es crucial para comprender las redes complejas.
• Los métodos existentes se enfrentan a desafíos para equilibrar la precisión y la eficiencia computacional.
• Necesidad de algoritmos que integren las propiedades de la red global y local.

Objetivo del estudio:

• Proponer HKEN, un algoritmo que integra la descomposición jerárquica de la k-shell y la información extendida del vecindario.
• Mejorar la precisión y la eficiencia computacional de la identificación de nodos influyentes.
• Validar el rendimiento de HKEN en comparación con los métodos de referencia.

Principales métodos:

• Descomposición jerárquica optimizada de la k-shell con ponderación de nodo dinámico.
• Amplió el rango de vecindad e introdujo el coeficiente de agrupación local para la distancia de transmisión.
• Estrategia de agregación de influencia utilizando el coeficiente de similitud de Jaccard.

Principales resultados:

• HKEN demostró un rendimiento superior en 10 redes del mundo real.
• Se logró una mayor coherencia con los resultados del modelo SIR (susceptible-infectado-recuperado).
• Mejoró la capacidad de propagación de los nodos influyentes de alto rango.

Conclusiones:

• HKEN ofrece una mayor precisión en la identificación de nodos influyentes.
• El algoritmo equilibra efectivamente la precisión y la eficiencia computacional.
• HKEN proporciona un enfoque robusto para el análisis de redes complejas.