本頁只刊出中文翻譯與中文說明；英文原文請見下方原文連結。
原文連結
論文資訊
- 類型：已發表論文
- 日期：2022-09-02
摘要
人們已經開發了許多中心性度量來量化時間無關網路中節點的重要性，其中許多可以表示為某個矩陣的前導特徵向量。隨著隨時間變化的網路資料的可用性不斷增加，將這種基於特徵向量的中心性度量擴展到時間相關網路非常重要。在本文中，我們介紹了網路中心性度量的原則概括，該度量對於任何基於特徵向量的中心性都有效。我們將具有 N 個節點的時間網路視為描述不同時間視窗期間網路的 T 層序列，並將各層的中心性矩陣耦合成大小為 NT x NT 的超中心性矩陣，其主特徵向量給出每個節點 i 在每個時間 t 的中心性。我們將此特徵向量及其分量稱為聯合中心性，因為它反映了節點 i 和時間層 t 的重要性。我們也引入了邊際中心性和條件中心性的概念，有助於研究中心性隨時間變化的軌跡。我們發現層之間的耦合強度對於確定中心性的多尺度屬性很重要，例如局部化現象和中心性變化的時間尺度。在強耦合機制中，我們推導了時間平均中心性的表達式，該表達式由奇異擾動展開的零階項給出。我們也研究一階項以獲得一階移動分數，它簡潔地描述了節點中心性隨時間變化的幅度。作為範例，我們將我們的方法應用於三個經驗時間網絡：美國博士。數學方面的交流，好萊塢黃金時代頂級演員之間的合作關係，以及美國最高法院判決的引用。