检测社交网络上的顶级节点 – VoteRank 算法

检测社交网络中的重要节点是一个有趣的问题。它可用于使用各种度量来查找网络 y 上最有影响力的节点，例如它们在网络中的位置、它们的拓扑特征，如它们的度数和边权重。最著名的算法之一是 Google 的 PageRank。

该算法通过计算页面链接的数量和质量来将页面表征为节点，从而粗略估计网站的重要性。基本假设是更重要的网站可能会收到更多来自其他网站的链接。这是最流行的算法之一，用于查找有影响力的/首页/图像/节点以及 Google 索引的任何内容。因此，排序及其应用很普遍，该领域的主要工作是基于用于排序的密钥。在网络世界中，我们还没有确定一个独特的银色箭头作为用于此目的的钥匙。原因是并非所有情况都相同，并且并非所有指标都可以在不损害个人隐私的情况下安全确定。

Zhang et al (2016) 的建议是使用基于投票的系统创建基于邻居意见的算法。传统算法（如 K-shells 和度中心性）以及其他启发式方法（如爬山法）可能会遇到一些传播者靠得太近以至于它们重叠影响范围的可能性。 It is based on the fact that all nodes vote in a spreader in each turn, and the voting ability of neighbors of elected spreader will be decreased in subsequent turn.此外，投票支持当前领导人的选民投票能力下降。

要了解发生了什么，让我们回顾一下基本概念。

社交网络作为图表

很明显，社交网络可以被描述为图表。人们可以充当节点，他们的连接可以充当边缘。这些边可以加权或不加权，其中权重可以表示连接强度，并且可以是有向的或无向的，具体取决于连接是单向还是双向。

我们如何评估排名？

这确实是一个很好的问题！既然不能直接把算法放到平台上测试，那就用物理模拟吧。现在，通过该领域的广泛研究，研究人员表示确实可以模拟它。我们需要从生物学中借鉴一些想法！易感感染和恢复 (SIR) 是一种流行病传播模型，作者已将其用作在各种现实世界网络上进行模拟的基础。

听起来不错，我该如何开始？

您需要了解图形、图形搜索、表示、最短路径，并对求解数学微分方程感兴趣。要深入学习 Graphs 概念，我们建议阅读 GeeksForGeeks Graphs，对于代码部分，您可以参考 Python3 中的 Networkx。