Chen 等考虑节点最近邻居和次近邻居的度信息,提出局部中心性。
Chen 等考虑节点最近邻居和次近邻居的度信息, 定义了一个多级邻居信息指标(local centrality), 来对网络中节点的重要性排序。
其中Γ (i) 为节点i 最近邻居集合, Γ ( j) 为节点j 最近邻居集合, N(u) 为节点u 最近邻居数和次近邻居数之和。
R语言算法:
############################################################### #CreatedDt:20170603 #Author:Scc #Function: Chen等 考虑最近邻居节点和次邻居节点的信息 #一种多级邻居节点的重要性排序 局部中心性LC #参数:A--邻接矩阵,n--网络节点个数;返回:LC--局部中心性 ############################################################### calLC<-function(A,n){ #计算度 D<-apply(A,1,sum) #即最近邻居节点和次邻居节点NeiborN NeiborN<-rep(0,n) #library(dplyr) for(i in 1:n){ Neibor<-which(A[i,]==1) #最近邻居节点下标 for(k in Neibor){ Neibor2<-which(A[k,]==1) #最近邻居节点的邻居节点Neibor2 Neibor<-union(Neibor,Neibor2) #合并得到邻居节点和次邻居节点和当前节点 } NeiborN[i]<-length(Neibor)-1;#计算当前节点的邻居节点和次邻居节点个数(去掉当前节点) } #计算邻居节点的最近邻居节点和次邻居节点个数之和 Q<-rep(0,n) for(i in 1:n){ Q[i]<-sum(NeiborN[which(A[i,]==1)]); } #计算局部中心性 LC<-rep(0,n) for(i in 1:n){ LC[i]<-sum(Q[which(A[i,]==1)]); } return (LC); }
参考文献:
Duanbing Chen, Linyuan Lü, Ming-Sheng Shang, et al. Identifying influential nodes in complex networks[J]. Physica A: Statistical Mechanics and its Applications, 2012, 391(4):1777-1787.
任晓龙, 吕琳媛. 网络重要节点排序方法综述[J]. 科学通报, 2014(13):1175-1197.
编辑:孙小北
本文地址: https://www.xiaowangyun.com/wyblog/detail/?id=121
版权归属: www.xiaowangyun.com 转载时请以链接形式注明出处
0 条评论