دانلود مقاله ISI انگلیسی شماره 129677
ترجمه فارسی عنوان مقاله

مرکزیت بدون شاخص: رتبه بندی جزئی و احتمال رتبه در شبکه ها

عنوان انگلیسی
Centrality without indices: Partial rankings and rank probabilities in networks
کد مقاله سال انتشار تعداد صفحات مقاله انگلیسی
129677 2018 11 صفحه PDF
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : Social Networks, Volume 54, July 2018, Pages 50-60

ترجمه کلمات کلیدی
مرکزی شبکه، محله محصور، شاخص های مرکزی، احتمالات رتبه، سفارشات جزئی
کلمات کلیدی انگلیسی
Network centrality; Neighborhood-inclusion; Centrality indices; Rank probabilities; Partial orders;
ترجمه چکیده
ما یک رویکرد جایگزین برای ارزیابی مرکزیت در شبکه ها ارائه می دهیم که به شاخص های سنتی وابسته نیست. این کار براساس محور بودن محله، یک رابطه جزئی ایجاد گره است که نشان داده شده است که توسط بسیاری از شاخص های مرکزی موجود حفظ شده است. به همین ترتیب، می تواند به عنوان مبنای مشترک برای مرکزیت در شبکه ها عمل کند. ما استدلال می کنیم که ارزیابی این رتبه بندی جزئی به خودی خود اجازه می دهد تا برای ارزیابی کلی از مرکزیت، از اجتناب از چندین خطا که ممکن است در هنگام استفاده از شاخص ها بوجود آید. علاوه بر این، ما نشان می دهیم که چگونه می توان رتبه بندی های جزئی بیشتری را به دست آورد و برخی از روش های احتمالاتی را معرفی می کند تا دیگران محاسبه گرهای متمرکز مورد انتظار قرار گیرند.
پیش نمایش مقاله
پیش نمایش مقاله  مرکزیت بدون شاخص: رتبه بندی جزئی و احتمال رتبه در شبکه ها

چکیده انگلیسی

We present an alternative approach to assess centrality in networks which does not rely on traditional indices. The work is based on neighborhood-inclusion, a partial ranking inducing relation of nodes, which was shown to be preserved by many existing centrality indices. As such, it can serve as the shared basis for centrality in networks. We argue that evaluating this partial ranking by itself allows for a generic assessment of centrality, avoiding several pitfalls that can arise when indices are applied. Additionally, we illustrate how to derive further partial rankings and introduce some probabilistic methods to, among others, compute expected centrality ranks of nodes.