[论文解读] Centrality Metric for Dynamic Networks

Kristina Lerman, Rumi Ghosh+1 more|arXiv (Cornell University)|Jun 2, 2010

Complex Network Analysis Techniques参考文献 16被引用 14

一句话总结

本文提出一种动态中心性度量方法，通过统计时间尊重路径（即在连续时间步长中通过中介节点连接节点的路径）来量化时变网络中节点的影响力。与静态中心性度量不同，该方法考虑了交互的时间顺序，通过引入路径长度和时间尺度参数（从数据中优化得出），揭示了显著不同的关键节点，例如在引文网络中被忽视的开创性文献。

ABSTRACT

Centrality is an important notion in network analysis and is used to measure the degree to which network structure contributes to the importance of a node in a network. While many different centrality measures exist, most of them apply to static networks. Most networks, on the other hand, are dynamic in nature, evolving over time through the addition or deletion of nodes and edges. A popular approach to analyzing such networks represents them by a static network that aggregates all edges observed over some time period. This approach, however, under or overestimates centrality of some nodes. We address this problem by introducing a novel centrality metric for dynamic network analysis. This metric exploits an intuition that in order for one node in a dynamic network to influence another over some period of time, there must exist a path that connects the source and destination nodes through intermediaries at different times. We demonstrate on an example network that the proposed metric leads to a very different ranking than analysis of an equivalent static network. We use dynamic centrality to study a dynamic citations network and contrast results to those reached by static network analysis.

研究动机与目标

• 解决静态中心性度量在捕捉随时间演变的网络中影响力方面的局限性，其中节点和边随时间变化。
• 开发一种考虑交互时间顺序的中心性度量，确保影响力仅在时间上连续的路径存在时才传播。
• 识别传统度量（如PageRank和引文次数）所忽略的动态网络中的关键节点。
• 证明动态中心性能揭示与静态网络分析不同的、通常更准确的节点重要性排序。
• 利用真实世界时变网络（如科学引文网络）的实证数据，优化时间尺度和长度尺度参数。

提出的方法

• 该方法将动态中心性定义为连接某节点与其他节点的所有长度路径的总数，其中每条路径必须在递增的时间步长上遍历节点。
• 通过从离散时间点的网络快照中推导出时间有序邻接矩阵，将$α$-中心性推广至时变网络。
• 使用矩阵公式计算中心性，随时间累积加权路径，其中参数$\alpha$（长度尺度）和$\gamma$（时间尺度）控制路径的衰减。
• 该度量允许按全局或局部影响力对节点进行排序，并可识别与特定目标节点连接最紧密的节点。
• 通过将模型拟合到实证数据中引文链长度和时间间隔的分布，估计参数$\alpha$和$\gamma$。
• 该方法在合成时变网络上进行了验证，并应用于arXiv中的真实引文网络，与静态中心性和PageRank的结果进行比较。

实验结果

研究问题

• RQ1 在识别时变网络中的关键节点方面，动态中心性与静态中心性有何不同？
• RQ2 动态中心性能否揭示被引文次数和PageRank所忽略的关键科学论文？
• RQ3 时间尺度和长度尺度参数的最佳取值是什么，能最好地反映引文网络的内在动态？
• RQ4 与基于静态路径的度量相比，时间尊重路径如何改变关键节点的排序？
• RQ5 动态中心性在多大程度上能揭示那些极具影响力但未被广泛引用的‘隐藏瑰宝’论文？

主要发现

• 当$\alpha = 0.2$且$\gamma$取最优值时，动态中心性将引文网络中前10位关键论文的排序重新排列，其中7篇取代了静态引文计数排名中的原10篇。
• 尽管Ashoke Sen的论文总引用次数较少，但在动态中心性中排名靠前，因其在长引文链中扮演关键角色，揭示了此前被忽视的影响力。
• 仅有9篇PageRank排名前20的论文出现在动态中心性前20名中，表明对节点重要性的理解存在根本性差异。
• 论文9711200在引文和PageRank中均排名第一，但在$\alpha = 0.2$时，其动态中心性排名降至第103位，因其发表时间较新，缺乏长引文链。
• 在动态中心性中排名前20的论文中，有7篇由Ashoke Sen撰写，而PageRank中为5篇由Edward Witten撰写，凸显了Sen在弦理论中被隐藏的影响力。
• 通过将模型拟合到实证数据中引文链长度和时间间隔的分布，估算了$\alpha$和$\gamma$的最优参数值。