◆周 涛◆

◎评《加权社交网络节点中心性计算模型》

推荐、预测、排序构成了网络信息挖掘三个主要的问题。在对网络节点的功能重要性进行排序的时候，节点的度和介数——这也是最广为人知的两种中心性指标——被认为是最恰当的指标。2010年的时候，Kitsak等人在《自然物理》上撰文指出，度中心性仅仅刻画了节点的局部性质，对于网络传播问题而言，节点的影响力大小主要取决于它们所在的位置，用 k-核分解的方法可以得到更准确的排序。该文发表之后，节点排序问题变成了复杂网络研究的一个热点问题，吕琳媛等人2014年在《科学通报》上总结了网络节点排序方面德尔主要进展，并且提出了很多未解决的挑战。李静茹等人的文章讨论了含权网络中的节点排序问题，并将主分量中心性指标推广到了含权的情况，得到了比较好的结果。由于权重是很多网络不可分割的特征之一，且权重本身和网络上包括传播在内的若干动力学都存在复杂的相互作用，李静茹等人的工作对于探索权重网络中节点的重要性有很好的意义。当然，针对不同权重的意义，不同的权重组织和分布形式以及不同的动力学规则，如何设计快速、准确的节点排序算法，依然是个远没有解决的问题。希望本文成为这方面研究能够被记住的起点之一。

◎评《基于局部聚合的复杂网络自动聚簇算法》

针对复杂网络的算法研究，包括网络结构和动力学的基本分析工具、社区挖掘问题、图的匹配问题、有向图的特定子图识别问题等，最近都受到越来越多的关注。……