18、社区感知中心性和经典中心性度量的相关性

社区感知中心性和经典中心性度量的相关性

1 引言

在复杂网络分析中，识别有影响力的节点对于加速或减缓传播过程至关重要。为此，已提出了多种经典中心性度量，这些度量依赖于不同的拓扑属性，如度中心性、介数中心性、接近中心性等。这些度量可以分为两大类：局部度量和全局度量。局部度量使用节点邻域中的信息，而全局度量则收集整个网络的信息。

近年来，社区感知中心性度量应运而生。这类度量方法利用网络的社区结构来识别有影响力的节点，能够更准确地反映节点在网络中的实际作用。社区感知中心性度量与传统中心性度量的一个关键区别在于，前者区分了社区内部链接和社区外部链接。本文将探讨这两种度量方法在复杂网络中的一致性和差异性。

2 研究方法

为了比较社区感知中心性度量与传统中心性度量的相关性，我们选取了来自不同领域的五十个真实世界网络进行研究。这些网络涵盖了社交网络、生物网络、技术和信息网络等多个领域。每个网络的节点和边数量、密度、平均度等基本特征各不相同，这有助于我们全面了解不同类型的网络中两种度量方法的表现。

2.1 数据集选择