Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Buchtitelbild

2017 | OriginalPaper | Buchkapitel

Comparative Study of Centrality Measures on Social Networks

verfasst von : Nadia Ghazzali, Alexandre Ouellet

Erschienen in: Information Systems for Crisis Response and Management in Mediterranean Countries

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Many centrality measures have been proposed to quantify importance of nodes within their network [1, 2]. This paper aims to compare fourteen of them: betweenness centrality, closeness centrality, communicability betweenness, cross clique centrality, in degree, out degree, diffusion degree, edge percolated component, eigenvector centrality, geodesic k-path, leverage centrality, lobby centrality, percolation centrality, semi-local centrality. Centralities are compared to their respective characteristics and with applications on two social networks. The first one is about communication within a terrorist cell [3], and the second concerns a sexually transmitted infection [4]. The main characteristics of each centrality measure have been identified. Centrality measures all succeed in identifying the most influential nodes on both networks. The results also show that measures slightly differ on non-predominant nodes.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Nächstes Kapitel A Framework to Support Tunisian Tweets Analysis for Crisis Management
Literatur
1.
Jalili, M., Salehzadeh-Yazdi, A., Asgari, Y., Arab, S.S., Yaghmaie, M., Ghavamzadeh, A., Alimoghaddam, K.: CentiServer: a comprehensive resource, web-based application and R package for centrality analysis. PloS one 10(11), e0143111 (2015)CrossRef
2.
Borgatti, S.P., Everett, M.G.: A graph-theoretic perspective on centrality. Soc. Netw. 28(4), 466–484 (2006)CrossRef
3.
Azad, S., Gupta, A.: A quantitative assessment on 26/11 Mumbai attack using social network analysis. J. Terrorism Res. 2(2), 4–14 (2011)CrossRef
4.
De, P., Singh, A.E., Wong, T., Yacoub, W., Jolly, A.M.: Sexual network analysis of a gonorrhoea outbreak. Sex. Transm. Infect. 80(4), 280–285 (2004)CrossRef
5.
Wasserman, S., Faust, K.: Social Network Analysis: Methods and Applications. Cambridge University Press, New York (1994)CrossRefMATH
6.
Otte, E., Rousseau, R.: Social network analysis: a powerful strategy, also for the information sciences. J. Inf. Sci. 28(6), 441–453 (2002)CrossRef
7.
Newman, M.: Network: An Introduction, p. 784. OUP, Oxford (2009)
8.
Latora, V., Marchiori, M.: Efficient behavior of small-world networks. Phys. Rev. Lett. 87(19), 198701 (2001)CrossRef
9.
Estrada, E., Higham, D.J., Hatano, N.: Communicability betweenness in complex networks. Physica A Stat. Mech. Appl. 388(5), 764–774 (2009)CrossRef
10.
Faghani, M.R., Nguyen, U.T.: A study of XSS worm propagation and detection mechanisms in online social networks. IEEE Trans. Inf. Forensics Secur. 8(11), 1815–1826 (2013)CrossRef
11.
Kundu, S., Murthy, C.A., Pal, S.K.: A new centrality measure for influence maximization in social networks. In: Kuznetsov, S.O., Mandal, D.P., Kundu, M.K., Pal, S.K. (eds.) PReMI 2011. LNCS, vol. 6744, pp. 242–247. Springer, Heidelberg (2011). doi:10.​1007/​978-3-642-21786-9_​40 CrossRef
12.
Chin, C.S., Samanta, M.P.: Global snapshot of a protein interaction network - a percolation based approach. Bioinformatics 19(18), 2413–2419 (2003)CrossRef
13.
Joyce, K.E., Laurienti, P.J., Burdette, J.H., Hayasaka, S.: A new measure of centrality for brain networks. PLoS One 5(8), e12200 (2010)CrossRef
14.
Korn, A., Schubert, A., Telcs, A.: Lobby index in networks. Physica A Stat. Mech. Appl. 388(11), 2221–2226 (2009)CrossRef
15.
Hamed, I., Charrad, M.: Recognizing information spreaders in terrorist networks: 26/11 attack case study. In: Bellamine Ben Saoud, N., Adam, C., Hanachi, C. (eds.) ISCRAM-med 2015. LNBIP, vol. 233, pp. 27–38. Springer, Cham (2015). doi:10.​1007/​978-3-319-24399-3_​3 CrossRef
16.
Piraveenan, M., Prokopenko, M., Hossain, L.: Percolation centrality: quantifying graph-theoretic impact of nodes during percolation in networks. PloS one 8(1), e53095 (2013)CrossRef
17.
Chen, D., Linyuan, L., Shang, M.S., Zhang, Y.C., Zhou, T.: Identifying influential nodes in complex networks. Physica A Stat. Mech. Appl. 391(4), 1777–1787 (2012)CrossRef
18.
Koschtzki, D., Schreiber, F.: Comparison of centralities for biological networks. In: German Conference on Bioinformatics, pp. 199–206 (2004)
19.
Kendall, M.G., Gibbons, J.D.: Rank Correlation Methods, p. 260. Edward Arnold, London (1990)MATH
Metadaten
Titel
Comparative Study of Centrality Measures on Social Networks
verfasst von
Nadia Ghazzali
Alexandre Ouellet
Copyright-Jahr
2017
Buch
Information Systems for Crisis Response and Management in Mediterranean Countries

Print ISBN: 978-3-319-67632-6

Electronic ISBN: 978-3-319-67633-3

Copyright-Jahr: 2017

DOI
https://doi.org/10.1007/978-3-319-67633-3_1

Premium Partner

    Bildnachweise