影响力最大化算法：Identifying influential nodes in social networks: Centripetal centrality andseed exclusion_影响力最大话问题 representative nodes算法 代表节点法

0.说明

新人第一篇博客，宣我的点点关注不迷路，研究方向为社交网络分析-影响力最大化。

1.简介

Chaos, Solitons and Fractals 的一篇文章，doi:10.1016/j.chaos.2022.112513

该算法简称Cenc算法，Cenc灵感来源于物理学向心力公式，。节点的Cenc值定义为

2.计算

其中，j是节点i的m阶邻居集合，本文考虑三阶。就是节点i的Degree 中心性，是节点j的kshell值。就是节点间的平均最短路径。是节点的Structural holes。计算如下：and，

其中，值为0或1，0表示节点之间没有边连接，1反之。

最后，还可以清楚看到有俩变量参数，定义分别如下：

alpha 表示网络节点总数的数量级，举个栗子：G网络一共有211个节点，alpha就是2.11。

beta就很直接，两个节点ks值做差的绝对值。

综上所述，Cenc值计算如下：

3.代码复现

原文中给了个demo数据集和计算的结果

下面这是我们自己算的，后面的就不展示了

可以看到小数点后面的还是有点区别，主要位数都对的。

4.总结

Cenc算法 利用了向心力公式，很好实现。我这边测试后的实验效果其实一般一般，不如VoteRank++  isk 等其他算法，也可能是我测试的数据集少的原因。作者看到别打我。