基于多元Hawkes点过程的网络影响力度量：超越静态中心性指标的事件驱动方法

《PNAS Nexus》：HawkesRank: Event-driven centrality for real-time importance ranking

　　

摘要

在科学、经济学和公共卫生等领域，量化网络中的影响力至关重要，但广泛使用的中心性度量方法仍存在局限性：它们依赖于静态表示、启发式网络构建以及纯粹的内生重要性概念，同时与可观察活动缺乏语义关联。我们表明，影响力可以通过多元Hawkes点过程来解释，该过程建模外生驱动因素和内生态大（自激发和交叉激发）。这产生了一种基于可观察事件动态的、有原则的、经验校准的且适应性强的重要性概念。Katz中心性和PageRank等经典指标作为该公式的平稳平均场极限而出现，从而澄清了它们的解释和局限性。与静态平均值不同，由此产生的排名由瞬时事件强度决定，使排名能够适应冲击，同时区分内生放大和外生活动。通过模拟和在线通信平台中情绪动态的经验分析，我们表明这种事件驱动的公式比静态中心性指标更有效地捕捉了随时间变化的系统活动。