基于层间影响的时序网络节点重要性识别

现实生活中,复杂网络具有动态性和时变性,识别时序网络中的重要节点相比于静态网络更加具有挑战性。在本文中,我们提出了一种基于层间影响的超邻接矩阵在时序网络中的节点重要性识别方法。首先,我们定义了层间影响系数,其次考虑了时序网络层内和层间的关系构建了时序超邻接矩阵(TSAM)利用特征向量中心性对节点的中心性指标进行估。在多个实现数据集上的结果显示:相比经典的方法SAM以及SSAM,使用提出的算法得到的Kendall’s τ值在各时间层上均有显著提高,结果表明时序引力模型的度量对于时序网络的节点重要性度量具有十分重要的意义。