[new ranking method] 高阶网络中的团排序

[will-ww]

Description

在异质网络中，每个节点的重要性都不一样，排序就是把节点按重要性高低排成一列，可以帮助我们识别出“最重要”的节点。在不同粗粒化的视角里，节点的重要性排序也不尽相同。人们在不同的研究问题中使用着不同的排序方法。

传统的网络分析局限于只有两两交互的节点的复杂网络表示。然而，在大量研究中，网络中的相互作用并不局限于节点对，常常涉及到节点的高阶团（clique）。研究团之间的高阶互动，我们需要新指标、新工具。对团进行排序有助于理解具有高阶结构的大规模复杂网络中更多的涌现动力学现象，比如同步、动力学演化和流行病传播等重要问题。

这篇文章总结了常见的几种传统节点排序方法，然后还基于拓扑单纯形提出了几种高阶中心性：高阶圈比（HOC）、高阶度（HOD）、高阶H指数（HOH）和高阶 PageRank（HOP），对团的重要性进行量化和排序，并展示了在生成网络和真实网络中的实验结果。这些结果都表明，与其他传统网络指标相比，这些高阶中心性可以将团排列得更有“区别”，能有效降低大规模网络的维数，更准确地找到重要团。更重要的是，根据所提出的度量对团进行排序，能够准确反映网络在结构鲁棒性、行为同步和动态传播等方面的功能影响。

这些内容，对优化与扩展 OpenRank 模型有着积极的帮助~

• 参考文章：https://mp.weixin.qq.com/s/HV8POufp3VGN_EN0s2sWgQ
• 论文地址：https://pubs.aip.org/aip/cha/article/33/7/073139/2903051/Ranking-cliques-in-higher-order-complex-networks