{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{-“日期部分”：[[2023,10,27]]，“日期时间”：“2023-10-27T10:55:09Z”，“时间戳”：169840410962}，“参考计数”：42，“出版商”：“计算机协会（ACM）”，“问题”：“4”，“资助者”：[{“名称”：“Sino-German社会计算研究所”}，{“姓名”：“中国江苏省重点研发计划”，“奖项”：[“BE2018116”]}，{“DOI”：“10.13039\/501100012166”，“name”：“中国国家重点研发项目”，“DOI-asserted-by”：“crossref”，“adward”：[”2018YFB 1004704“]}：[“61972196、61672278、6183208、61832005和71772176”]}，{“name”：“新型软件技术和产业化协同创新中心”}]，“内容域”：{“domain”：[“dl.acm.org”]，“crossmark-restriction”：true}，“short-container-title”：[”acm Trans.Knowl.Discov.Data“]，“published-print”：{“date-parts”：[2021,8,31]}、“abstract”：“\n Katz中心性是衡量社交网络中顶点影响的一个基本概念。然而，现有的计算大规模网络中Katz中央性的方法并不实用，且计算成本高昂。在本文中，我们提出了一种新的基于图抽样技术的Katz中心性估计方法，旨在以更低的计算复杂度实现对现状的可比估计精度。具体而言，我们通过使用多轮抽样方法并推导出无偏平均值估计量，得出了Katz中心性的Horvitz\u2013Thompson估计。我们进一步建议SAKE<\/jats:italic>\n，一个\n\n个S<\/jats:underline>\n<\/jax:bold>\n基于采样\n\n个A<\/jats:underline>\n<\/jax:bold>\n快速算法\n\n个K<\/jats:underline>\n<\/jax:bold>\n atz中心性\n\n个E<\/jats:underline>\n估计。我们证明了通过SAKE<\/jats:italic>\n在概率上保证在与精确值相加的误差范围内。基于四个真实网络的大量评估实验表明，该算法能够以较低的采样率、较低的计算时间估计部分顶点的Katz中心度，并且能够很好地识别社交网络中的高影响力顶点。\n<\/jats:p>“，”DOI“：”10.1145\/3441646“，”type“：”journal-article“，”created“：{”date-parts“：[2021,4,18]]，”date-time“：”2021-04-18T16:05:45Z“，”timestamp“：1618761945000}，”page“：“1-21”，“update-policy”：“http://\/dx.DOI.org\/10.1145\/crossmark-policy”，“源”：“Crossref”，“is-referenced-by-count”：4，“标题”：[“SAKE”]，“前缀”：“10.1145”，“卷”：“15”，“作者”：[｛“给定”：“明凯”，“家族”：“林”，“序列”：“第一”，“隶属关系”：[｛“名称”：“南京大学，中国江苏省南京市”｝]｝，｛“ORCID”：“http:\/\/ORCID.org/0000-0002-9199-3655”，“认证的ORCID”：false，“给定”：“文中”，“家族”：“李”，“序列”：“附加”，“隶属关系”：[｛“名称”：“新型软件技术国家重点实验室和中国江苏省南京市南京大学Sino-German社会计算研究院“}]}，{“given”：“Lynda J.”，“family”：“Song”，“sequence”：“additional”，“affiliation”：[{“name”：“University of Leeds，UK”}]}，}“giving”：“Cam-Tu”，“家族”：“Nguyen”，“sequence”:“additionable”，“feliation”南京大学，江苏南京，中国“}]}，{“给定”：“小梁”，“家庭”：“王”，“序列”：“附加”，“隶属关系”：[{“名称”：“南京大学，中国江苏南京”}]}，}“给定的”：“三鹿”，“家族”：“鲁”，“顺序”：“额外”，“附属关系”：[{“姓名”：“新型软件技术国家重点实验室和中国江苏省南京市南京大学Sino-German社会计算研究院“}]}]，“成员”：“320”，“在线发布”：{“日期部分”：[[2021,4,18]]}，“参考”：[{“密钥”：“e_1_2_1_1”，“非结构化”：“2017”。Livemocha网络数据集\u2013 KONECT。检索自http:\/\/kect.uni-koblenz.de\/networks\/livemocha。2017.Livemocha网络数据集\u2013 KONECT。检索自http://\/konect.uni-koblenz.de\/networks\/livemocha。“}，{”key“：”e_1_1_2_1“，”volume-title“：”网络信息第二次研讨会论文集（WIN\u201910）“，”author“：”Ahmed Nesreen K.“，”year“：”2010“，”unstructured“：”Nesreeen K.“。艾哈迈德、詹妮弗·内维尔和拉曼娜·孔佩拉。2010 . 重新考虑网络抽样的基础。《第二届网络信息研讨会论文集》（WIN\u201910）。Nesreen K.Ahmed、Jennifer Neville和Ramana Kompella。2010年，重新考虑网络抽样的基础。《第二届网络信息研讨会论文集》（WIN\u201910）。“}，{”key“：”e_1_1_3_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1145\/2601438”}，“{”key“：“e_1_i_1_4_1”，“volume-title”：“Dbpedia：开放数据网的核心。在语义网中，”author“：”Auer S\u00f6ren“，年”：“2007”，“非结构化”：”S\u00f6ren Auer、Christian Bizer、Georgi Kobilarov、Jens Lehmann、Richard Cyganiak和Zachary Ives。2007 . Dbpedia：开放数据网的核心。在语义网中。施普林格，722--735。S\u00f6ren Auer、Christian Bizer、Georgi Kobilarov、Jens Lehmann、Richard Cyganiak和Zachary Ives。2007年，Dbpedia：开放数据网络的核心。在语义网中。Springer，722--735.“}，{”key“：”e_1_1_5_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1093\/cmnet\/cnt007”}，“key”：“e_2_1_6_1”，“doi-assert-by”：“publisher”，”doi“：“10.1080\/15427951.2013.865686”}、{”key“：“e_ 2_1_ 7_1”、“doi-sserted-by”“：”publisher“，”doi:“10.1080”/0022250X.1972.9989806“}，{”key“：”e_1_2_1_8_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1016\/j.socnet.2005.05.001“}，{“key”：“e_1_2_1_9_1”，“doi-asserted-by”：“publisher”，”doi“：“10.1145\/3038912.3052608”}，“key“：”e_1_i_1_10_1“，”doi-assert-by“：”publisher“，“doi”：“10.1016\/S0378-8733（03）00012-1”}、{“密钥”：“e_11_1_11_1”、“卷时间”：“网络数据的统计分析：方法和模型”，“作者”：“Kolaczyk Eric D.”，“非结构化”：“埃里克·科拉奇克（Eric D.Kolaczyk）。2009年，《网络数据统计分析：方法和模型》。斯普林格。埃里克·D·科拉奇克。2009年，《网络数据统计分析：方法和模型》。斯普林格。“}，{”key“：”e_1_1_12_1“，”volume-title“：”第27届万维网国际会议（WWW\u201918）“，”author“：”Eden Talya“，”unstructured“：”Talya Eden，Shweta Jain，Ali Pinar，Dana Ron，and C.Seshadhri。2018。使用次线性图样本的度分布的可证明和实用近似。第27届万维网国际会议论文集（WWW\u201918）。449--458. Talya Eden、Shweta Jain、Ali Pinar、Dana Ron和C.Seshadhri，2018年。使用次线性图样本的度分布的可证明和实用近似。第27届万维网国际会议论文集（WWW\u201918）。449--458.“}，{”key“：”e_1_2_1_13_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1109\/BigData.2017.8257976”}，“key”：“e_1_i_14_1”，“doi-assert-by”：“publisher”，”doi“：”10.1023\/A:1013470632383“}、{”key“：“e_ 1_1_15_1”、“doi-sserted-by”“：”publisher“，”doi:“10.1109\/INFCOM。2010.5462078“}，{”key“：”e_1_2_1_16_1“，”volume-title“：”第二十二届万维网国际会议论文集（WWW\u201913）”，“作者”：“斯蒂芬”，“非结构化”：“史蒂芬·J·哈迪曼和利兰·卡齐尔。2013年，通过随机漫步估算社交网络的聚类系数和规模。第22届万维网国际会议论文集（WWW\u201913）。美国医学会，539-550。斯蒂芬·哈迪曼（Stephen J.Hardiman）和利兰·卡齐尔（Liran Katzir）。2013年，通过随机漫步估算社交网络的聚类系数和规模。第22届万维网国际会议论文集（WWW\u201913）。ACM，539--550.“｝，｛“key”：“e_1_2_1_17_1”，“doi由”：“publisher”断言，“doi”：“10.1146\/annrev-soc-060116-053556”｝，｛“key”：“e_1_2_1_18_1”，“doi由”：“publisher”断言，“doi”：“10.1080\/01621459.196310500830”｝，｛“key”：“e_1_2_19_1”，“doi由”：“publisher”断言，“doi”：“10.1080\/01621459.195210483446”｝，｛“键”：“e_1_2_1_20_1”，“卷标题”：“基于抽样的细化中心性近似。arXiv预印本arXiv:1608.04472“，”作者“：”季世玉“，”年份“：”2016“，”非结构化“：”纪世玉和曾慧燕。2016年，基于抽样提炼中间性近似值。arXiv预印arXiv:1608.04472（2016）。纪世玉和严增辉。2016年，基于抽样提炼中间性的近似值。arXiv预印arXiv:1608.04472（2016）。“}，{”key“：”e_1_1_21_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1007\/BF02289026”}，“key”：“e_1_i_1_22_22_1”，“doi-assert-by”：“publisher”，”doi“：”10.1145\/956750.956769“}”，{“：”e_1_2_1_24_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1145\/1150402.1150479”}，{“key“：”e_1_2_1_25_1“，”volume-title“：”第十七届万维网国际会议论文集（WWW\u201908）“，”author“：”Leskovec Jure“，”unstructured“：”Jure Leskovec、Kevin J.Lang、Anirban Dasgupta和Michael W.Mahoney。2008年。大型社会和信息网络中社区结构的统计特性。第17届万维网国际会议论文集（WWW\u201908）。美国医学会，695--704。朱尔·莱斯科维奇（Jure Leskovec）、凯文·郎朗（Kevin J.Lang）、阿尼尔本·达斯古普塔（Anirban Dasgupta）和迈克尔·马奥尼（Michael W.Mahoney）。2008年。大型社会和信息网络中社区结构的统计特性。第17届万维网国际会议论文集（WWW\u201908）。ACM，695--704.“}，{“key”：“e_1_2_1_26_1”，“volume-title”：“并行处理算法和架构国际会议论文集（ICA3PP\u201919）”，“作者”：“林明凯”，“年份”：“2019”，“非结构化”：“林明凯（Mingkai Lin）、李文忠（Wenchong Li）、阮锦涛（Cam-tu Nguyen）、王晓亮（Xiaoliang Wang）和吕桑璐（Sanglu Lu）。2019 . 大规模社交网络的基于抽样的Katz中心性估计。《并行处理算法和体系结构国际会议论文集》（ICA3PP\u201919）。施普林格，584-598。林明凯（Mingkai Lin）、李文忠（Wenzhong Li）、阮金图（Cam tu Nguyen）、王晓亮（Xiaoliang Wang）和卢桑璐（Sanglu Lu）。2019。大规模社交网络的基于抽样的Katz中心性估计。《并行处理算法和体系结构国际会议论文集》（ICA3PP\u201919）。Springer，584--598。“}，{”key“：”e_1_2_1_27_1“，”volume-title“：”第17届知识发现和数据挖掘国际会议（KDD\u201911）“，”author“：”Arun“，“unstructured”：”Aron S.Maiya和Tanya Y.Berger-Wolf.2011。偏见的好处：更好地描述网络抽样。第17届知识发现和数据挖掘国际会议论文集（KDD\u201911）。美国医学会，105-113。Arun S.Maiya和Tanya Y.Berger-Wolf。2011.偏见的好处：更好地描述网络抽样。第17届知识发现和数据挖掘国际会议论文集（KDD\u201911）。ACM，105-113.“}，{”key“：”e_1_2_1_28_1“，”first page“：“100”，”article-title“：”information retrieval“简介”，“volume”：“16”，“author”：“Manning Christopher”，“year”：“2010”，“unstructured”：“Christopher-Manning，Prabhakar Raghavan，and Hinrich Sch\u00fctze.2010.信息检索简介.自然语言工程16，1（2010）, 100 -- 103 . Christopher Manning、Prabhakar Raghavan和Hinrich Sch\u00fctze。2010年，信息检索导论。自然语言工程16，1（2010），100-103.“，”journal-title“：”Natural Language Engineering“}，{”key“：”e_1_2_1_29_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1109 \/BigComp.2018.0107”}，“key”：“e_1_i_1_30_1”，“volume-title”：“并行处理与应用数学国际会议论文集（PPAM\u201917）”，“author”：“Nathan Eisha”，“非结构化”：“Eisha Nathan和David A.Bader。2017.在动态图中近似个性化Katz中心性。在《国际并行处理与应用数学会议论文集》（PPAM\u201917）中。施普林格，290-302。艾莎·内森（Eisha Nathan）和大卫·巴德（David A.Bader）。2017.在动态图中近似个性化Katz中心性。《并行处理与应用数学国际会议论文集》（PPAM\u201917）。施普林格，290-302.“}，{“键”：“e_1_2_1_31_1”，“卷标题”：“国际计算科学会议（ICCS\u201917）”，“卷”：“108”，“作者”：“内森·艾莎”，“年份”：“2017”，“非结构化”：“艾莎·内森、杰弗里·桑德斯、詹姆斯·费尔班克斯和大卫·A·巴德。2017。图形排序保证了数值逼近Katz中心性。国际计算科学会议（ICCS\u201917），第108卷。爱思唯尔，68-78岁。DOI:10.1016\/j.procs公司。2017.021 10.1016年5月21日\/j.procs.2017.05.021艾莎·内森（Eisha Nathan）、杰弗里·桑德斯（Geoffrey Sanders）、詹姆斯·费尔班克斯（James Fairbanks）和大卫·巴德（David A.Bader）。2017年。图形排名保证了数值逼近Katz中心性。国际计算科学会议（ICCS\u201917），第108卷。爱思唯尔，68-78岁。DOI:10.1016\/j.procs.2017.05.021“}，{“key”：“e_1_2_1_33_1”，“volume-title”：“Mohammad Mehdi Daliri Khomami，and Mohammad-Reza Meybodi”，“author”：“Rezvanian Alireza”，年：“2019”，“unstructured”：“Alireza Rezvanian、Behnaz Moradabadi、Mina Ghavipour、Mohammad Mehdi Daliri Khomami和Mohammad-Reza Meybodi。2019 . 社交网络抽样。社交网络的学习自动化方法。施普林格，91-149。Alireza Rezvanian、Behnaz Moradabadi、Mina Ghavipour、Mohammad Mehdi Daliri Khomami和Mohammad-Reza Meybodi。2019.社交网络抽样。用于社交网络的学习中的自动机方法。Springer，91--149.“}，{”key“：”e_1_1_34_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1109\/CDC.2012.6425857”}，“key”：“e_2_1_35_1”，“doi-assert-by”：“publisher”，”doi“：”10.1145\/775057“}”，{“}，{”键“：”e_1_1_37_1“，”卷时间“：”《国际科学会议记录和国际研讨会当代创新趋势》，“卷”：“1”，“作者”：“Takac Lubos”，“年份”：“2012年”，“非结构化”：“Lubos Takac和Michal Zabovsky。2012 . 公共社交网络中的数据分析。《国际科学会议和国际研讨会论文集——当代创新趋势》，第1卷。卢博斯·塔卡奇（Lubos Takac）和米查尔·扎博夫斯基（Michal Zabovsky）。2012年，公共社交网络数据分析。《国际科学会议和国际研讨会论文集——当代创新趋势》第1卷“}，{“key”：“e_1_1_38_1”，“volume-title”：“第26届欧洲算法研讨会论文集（ESA\u201918）”，“author”：“van der Grinten Alexander”，《year》：“2018”，“unstructured”：“亚历山大·范德格林滕（Alexander van der Grinten）、伊丽莎白·贝加米尼（Elisabetta Bergamini）、奥德·格林（Oded Green）、大卫·巴德（David A.Bader）和亨宁·梅耶亨克（Henning Meyerhenke）。2018 . 大型静态和动态图中的可缩放Katz排名计算。第26届欧洲算法年会论文集（ESA\u201918）。42:1--42:14. 亚历山大·范德格林滕（Alexander van der Grinten）、伊丽莎白·贝加米尼（Elisabetta Bergamini）、奥德·格林（Oded Green）、大卫·巴德（David A.Bader）和亨宁·梅耶亨克（Henning Meyerhenke）。2018.大型静态和动态图形中的可缩放Katz排名计算。第26届欧洲算法年会论文集（ESA\u201918）。42:1--42:14.“}，{”key“：”e_1_2_1_39_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1145\/3038912.3052665”}，“key”：“e_1_i_1_40_1”，“doi-assert-by”：“crossref”，”first page“：“39”，”doi“：”10.1142\/97812773289-0004“，”article-tite“：”快速近似中心性“，”卷“：”5“，”作者“：”Joseph Wang David Eppstein“，”年份“：”2006“，”非结构化“：”大卫·爱普斯坦·约瑟夫·王。2006 . 中心性的快速近似。图算法与应用5，5（2006），39。大卫·爱普斯坦·约瑟夫·王。2006.中心性的快速近似。图算法与应用5，5（2006），39.“，”journal-title“：”Graph Algorithms and Applications“}，{“key”：“e_1_2_1_41_1”，“volume-title”：“第32届AAAI人工智能会议论文集（AAAI\u201918）”，“author”：“Was Tomasz”，“year”：“2018”，“unstructured”：“Tomasz Was和Oskar Skibski。2018 . 特征向量和Katz中心性的公理化。第32届AAAI人工智能会议论文集（AAAI\u201918）。托马斯·沃斯和奥斯卡·斯基布斯基。2018.特征向量和Katz中心性的公理化。第32届AAAI人工智能会议论文集（AAAI\u201918）。“}，{”key“：”e_1_1_42_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1371\/journal.pone.0024306”}，“key”：“e_2_1_43_1”，“首页”：“1”，“article-title”：“基于响应驱动抽样数据的网络模拟中的偏差估计和更正”，“volume”：”10“，”author“：”Zhu Lin“，年”：“2020”，“非结构化”：“Lin Zhu，Nicolas A。孟席斯、王建宁、本杰明·利纳斯、史蒂文·古德罗和约书亚·A·所罗门。2020年。基于响应驱动采样数据的网络模拟中偏差的估计和校正。科学报告10，1（2020），1--11。朱林（Lin Zhu）、尼古拉斯·门齐斯（Nicolas A.Menzies）、王建宁（Jianing Wang）、本杰明·利纳斯（Benjamin P.Linas）、史蒂文·古德罗（Steven M.Goodreau）和约书亚·萨洛蒙（Joshua A.Salomon）。2020年。基于响应驱动抽样数据的网络模拟偏差估计和纠正。科学报告10，1（2020），1-11.“，”journal-title“：”Scientific Reports“}]，”container-title”：[“ACM Transactions on Knowledge Discovery from Data”]，”original-title:[]，“language”：“en”，“link”：[{“URL”：“https:\/\/dl.ACM.org\/doi\/pdf\/10.1145\/3441646”，“content-type”：“unspecified”，“content-version”：“vor”，“intended-application”：“”相似性检查“}”，“存放”：{“日期-部分”：[[2023,1,1]]，“日期-时间”：“2023-01-01T21:33:11Z”，“时间戳”：1672608791000}，“分数”：1，“资源”：{“主要”：}“URL”：“https:\/\/dl.acm.org\/doi\/10.1145\/3441646”}，”副标题：[“基于大规模社交网络抽样估计Katz中心度”]，“简短标题”：[]，“发布”：{“date-parts“：[[2021,4,18]]}，“references-count”：42，“journal-issue”：{“issue”：“4”，“published-print”：{“date-part”：[[2021,8,31]]}}，”alternative-id“：[”10.1145\/3441646“]，”URL“：”http://\/dx.doi.org\/10.1145\/3441466“，”relationship“：{}”，“ISSN”：[“1556-4681”，“1556-472X”]，“iss”n型“：[{”值“：”1556-4681“，”类型“：”打印“}，{”价值“：”2556-472X“，”型号“：”电子“}]，“subject”：[]，“published”：{“date-parts”：[2021,4,18]]}，“assertion”：[{“value”：“2020-01-01”，“order”：0，“name”：“received”，“label”：“received”，”group“：{”name“：”publication_history“，”label“：”publication history“}}，{“value”：”2020-12-01“，”order“：1，”name“accepted”，“tabel”：”accepted“，“group”：{name“publication_history”，“label”：“出版物历史”}}，｛“value”：“2021-04-18”，“order”：2，“name”：“published”，“label”：“published”，“group”：｛“name”：“publication_history”，“label”：“publication history”｝｝]｝