[论文解读] Co-Betweenness: A Pairwise Notion of Centrality

Eric D. Kolaczyk, David B. Chua+1 more|ArXiv.org|Sep 21, 2007

Complex Network Analysis Techniques参考文献 3被引用 3

一句话总结

本文提出了共中介性（co-betweenness），一种成对中心性度量方法，用于量化网络中两个顶点在最短路径上传递信息流时的联合控制能力。通过扩展Brandes的算法，该方法实现了成对影响的高效计算，揭示了非中心节点在通信网络中可能发挥关键中继作用。

ABSTRACT

Betweenness centrality is a metric that seeks to quantify a sense of the importance of a vertex in a network graph in terms of its "control" on the distribution of information along geodesic paths throughout that network. This quantity however does not capture how different vertices participate together in such control. In order to allow for the uncovering of finer details in this regard, we introduce here an extension of betweenness centrality to pairs of vertices, which we term co-betweenness, that provides the basis for quantifying various analogous pairwise notions of importance and control. More specifically, we motivate and define a precise notion of co-betweenness, we present an efficient algorithm for its computation, extending the algorithm of Brandes in a natural manner, and we illustrate the utilization of this co-betweenness on a handful of different communication networks. From these real-world examples, we show that the co-betweenness allows one to identify certain vertices which are not the most central vertices but which, nevertheless, act as important actors in the relaying and dispatching of information in the network.

研究动机与目标

• 为解决传统中介性中心性仅孤立评估顶点、无法捕捉信息传播中协作角色的局限性。
• 开发一种形式化且计算高效的网络通信路径中成对顶点影响度量方法。
• 揭示顶点对如何共同控制信息流，特别是识别出虽非中心但具有战略重要性的中继节点。
• 将Brandes的单顶点中介性算法扩展，以计算网络中所有顶点对的共中介性。
• 在真实通信网络中验证共中介性的实用性，证明其能够揭示个体中心性无法捕捉的细微结构角色。

提出的方法

• 提出共中介性作为所有顶点对(s,t)之间最短路径中同时经过u和v的比例度量，定义为δ_st(u,v) = σ_st(u,v)/σ_st。
• 通过依赖关系的递归分解：δ_s(u,v) = δ_s(v)/σ_sv × σ_sv(u)，推导出共中介性的高效计算方法。
• 将Brandes的单顶点依赖计算方法扩展，通过最短路径树从源点s传播贡献，以计算成对依赖δ_s(u,v)。
• 采用三阶段算法：(1) 从每个顶点s执行BFS，计算最短路径数量和前驱节点，(2) 计算依赖得分δ_s(v)和δ_s(u,v)，(3) 对所有s聚合共中介性值。
• 使用深度优先遍历计算所有最短路径上的贡献，确保每条路径仅处理一次，时间复杂度为O(σ log n_v)，在小世界网络中表现高效。
• 对共中介性进行归一化，生成类似相关系数的度量和条件控制指标，以解释联合影响与控制动态。

实验结果

研究问题

• RQ1 如何在超越单个顶点中心性的基础上，量化网络中成对顶点对信息流的联合控制能力？
• RQ2 是否存在一种高效的算法方法，可扩展现有中介性中心性方法，用于计算网络中所有顶点对的共中介性？
• RQ3 在真实通信网络中，哪些顶点对虽个体中心性不高，却充当关键中继？
• RQ4 共中介性如何揭示标准中介性中心性所遗漏的结构角色？
• RQ5 共中介性计算的计算复杂度是多少？其随网络规模和结构如何变化？

主要发现

• 共中介性能有效识别出即使单个顶点中介性中心性不高，但作为关键信息中继对的顶点对。
• 该算法以O(n_v n_e + σ log n_v)的时间复杂度计算共中介性，其中σ为最短路径总数，适用于大规模网络。
• 在通信网络上的实证结果表明，共中介性揭示了标准中介性中心性无法检测到的协作控制模式。
• 该方法提供了一种标准化的两顶点流量相关性度量，超越原始计数，增强了可解释性。
• 在稀疏网络中，算法时间复杂度为O(n_v^{2+p} log n_v)，其中p在0.19至0.62之间变化，取决于网络模型，表明其在真实网络图中具有实际效率。
• 递归依赖公式化方法可重用Brandes的框架，确保计算效率的同时将算法扩展至成对交互。