elib
DLR-Header
DLR-Logo -> http://www.dlr.de
DLR Portal Home | Impressum | Datenschutz | Kontakt | English
Schriftgröße: [-] Text [+]

Using Link Clustering to Detect Influential Spreaders

Krukowski, Simon und Hecking, Tobias (2020) Using Link Clustering to Detect Influential Spreaders. In: 9th International Conference on Complex Networks and Their Application, COMPLEX NETWORKS 2020. Springer Nature. 9th International Conference on Complex Networks and their Applications, 2020-12-01 - 2020-12-03, Madrid, Spanien. doi: 10.1007/978-3-030-65347-7_34. ISBN 978-3-030-65346-0. ISSN 1860-949X.

Dieses Archiv kann nicht den Volltext zur Verfügung stellen.

Kurzfassung

Spreading processes are increasingly analysed in the context of complex networks, for example in epidemics research, information dissemination or rumors. In these contexts, the effect of structural properties that facilitate or decelerate spreading processes are of high interest, since this allows insights into the extent to which those processes are controllable and predictable. In social networks, actors usually participate in different densely connected social groups that emerge from various social contexts, such as workplace, interests, etc. In this paper, it is examined if the number of groups an actor connects to can be used as a predictor for its capability to spread information effectively. The social contexts (i.e. groups) a node participates in are determined by the Link Communities approach by Ahn et al. (2010). The results are contrasted to previous findings of structural node properties based on the k-shell index of nodes (Kitsak et al. 2010) by applying both methods on artificially generated and real-world networks. They show that the approach is comparable to existing ones using structural node properties as a predictor, yet no clear evidence is found indicating that one or the other approach leads to better predictions in all investigated networks.

elib-URL des Eintrags:https://elib.dlr.de/139522/
Dokumentart:Konferenzbeitrag (Vortrag)
Titel:Using Link Clustering to Detect Influential Spreaders
Autoren:
AutorenInstitution oder E-Mail-AdresseAutoren-ORCID-iDORCID Put Code
Krukowski, Simonsimon.krukowski (at) stud.uni-due.deNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Hecking, TobiasTobias.Hecking (at) dlr.dehttps://orcid.org/0000-0003-0833-7989NICHT SPEZIFIZIERT
Datum:2020
Erschienen in:9th International Conference on Complex Networks and Their Application, COMPLEX NETWORKS 2020
Referierte Publikation:Ja
Open Access:Nein
Gold Open Access:Nein
In SCOPUS:Ja
In ISI Web of Science:Nein
DOI:10.1007/978-3-030-65347-7_34
Verlag:Springer Nature
ISSN:1860-949X
ISBN:978-3-030-65346-0
Status:veröffentlicht
Stichwörter:Link clustering, Spreading processes, Information diffusion
Veranstaltungstitel:9th International Conference on Complex Networks and their Applications
Veranstaltungsort:Madrid, Spanien
Veranstaltungsart:internationale Konferenz
Veranstaltungsbeginn:1 Dezember 2020
Veranstaltungsende:3 Dezember 2020
HGF - Forschungsbereich:Luftfahrt, Raumfahrt und Verkehr
HGF - Programm:Raumfahrt
HGF - Programmthema:Technik für Raumfahrtsysteme
DLR - Schwerpunkt:Raumfahrt
DLR - Forschungsgebiet:R SY - Technik für Raumfahrtsysteme
DLR - Teilgebiet (Projekt, Vorhaben):R - Vorhaben SISTEC (alt)
Standort: Köln-Porz
Institute & Einrichtungen:Institut für Simulations- und Softwaretechnik > Verteilte Systeme und Komponentensoftware
Institut für Softwaretechnologie
Hinterlegt von: Hecking, Dr. Tobias
Hinterlegt am:14 Dez 2020 09:18
Letzte Änderung:24 Apr 2024 20:40

Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags

Blättern
Suchen
Hilfe & Kontakt
Informationen
electronic library verwendet EPrints 3.3.12
Gestaltung Webseite und Datenbank: Copyright © Deutsches Zentrum für Luft- und Raumfahrt (DLR). Alle Rechte vorbehalten.