面向分层方法与可扩展半局部中心性以识别加权复杂网络中的关键节点

为何连接的形态很重要

从社交媒体和航线到电网与大脑电路，我们生活中的许多系统都可以看作网络：由节点通过连接相互联结的集合。在这些网络中，少数特别有影响力的节点可以加速新闻、疾病或故障的传播。识别这些关键节点对阻止流行病、保护基础设施或改进在线服务等任务至关重要。本文提出了一种新的方法，用于在连接强度不均的庞大复杂网络中准确定位最重要的位置。

寻找真正的影响力者

现有的大多数网络节点重要性排序工具可分为三类。有些仅看直接邻居，有些利用整个网络的信息，还有些试图折中，通过考虑几步之外的节点来评估。这些方法虽有用，但在网络规模巨大、连接强度差异很大或邻居的重要性各不相同时会遇到困难。例如，与普通熟人的联系不同于与紧密合作者的联系。作者认为，要真正发现关键影响者，需要同时考虑每条连接的强度以及影响如何在多个步骤间传播，而不必承受一次性分析整个网络的高昂代价。

引用: Kong, L., Xie, W. & Abshirini, A.A. Towards a hierarchical approach and scalable semi-local centrality for key node identification in weighted complex networks. Sci Rep 16, 11545 (2026). https://doi.org/10.1038/s41598-026-39304-x

关键词: 复杂网络, 有影响力的节点, 网络中心性, 信息传播, 加权图