Abstract Purpose With the availability and utilization of Inter-Country Input-Output (ICIO) tables, it is possible to construct quantitative indices to assess its impact on the Global Value Chain (GVC). For the sake of visualization, ICIO networks with tremendous low- weight edges are too dense to show the substantial structure. These redundant edges, inevitably make the network data full of noise and eventually exert negative effects on Social Network Analysis (SNA). In this case, we need a method to filter such edges and obtain a sparser network with only the meaningful connections. Design/methodology/approach In this paper, we propose two parameterless pruning algorithms from the global and local perspectives respectively, then the performance of them is examined using the ICIO table from different databases. Findings The Searching Paths (SP) method extracts the strongest association paths from the global perspective, while Filtering Edges (FE) method captures the key links according to the local weight ratio. The results show that the FE method can basically include the SP method and become the best solution for the ICIO networks. Research limitations There are still two limitations in this research. One is that the computational complexity may increase rapidly while processing the large-scale networks, so the proposed method should be further improved. The other is that much more empirical networks should be introduced to testify the scientificity and practicability of our methodology. Practical implications The network pruning methods we proposed will promote the analysis of the ICIO network, in terms of community detection, link prediction, and spatial econometrics, etc. Also, they can be applied to many other complex networks with similar characteristics. Originality/value This paper improves the existing research from two aspects, namely, considering the heterogeneity of weights and avoiding the interference of parameters. Therefore, it provides a new idea for the research of network backbone extraction.

中文翻译：

---

相似权网络无参数剪枝算法及其在全球价值链主干提取中的应用

摘要目的随着国家间投入产出（ICIO）表的可用性和利用，可以构建量化指数来评估其对全球价值链（GVC）的影响。为了可视化，具有巨大低权重边缘的 ICIO 网络过于密集，无法显示实体结构。这些冗余边缘不可避免地使网络数据充满噪声，最终对社交网络分析（SNA）产生负面影响。在这种情况下，我们需要一种方法来过滤这些边缘并获得一个只有有意义连接的稀疏网络。设计/方法/方法在本文中，我们分别从全局和局部角度提出了两种无参数剪枝算法，然后使用来自不同数据库的 ICIO 表检查它们的性能。结果 Searching Paths (SP) 方法从全局角度提取最强的关联路径，而 Filtering Edges (FE) 方法根据局部权重比捕获关键链接。结果表明，FE方法基本上可以包含SP方法，成为ICIO网络的最佳解决方案。研究局限性 本研究仍有两个局限性。一是在处理大规模网络时计算复杂度可能会迅速增加，因此该方法需要进一步改进。二是应该引入更多的经验网络来证明我们方法的科学性和实用性。实际意义 我们提出的网络剪枝方法将促进 ICIO 网络在社区检测、链路预测和空间计量经济学等方面的分析。此外，它们可以应用于许多其他具有相似特征的复杂网络。原创性/价值 本文从考虑权重异质性和避免参数干扰两个方面对现有研究进行了改进。因此，它为网络骨干提取的研究提供了新的思路。实际意义 我们提出的网络剪枝方法将促进 ICIO 网络在社区检测、链路预测和空间计量经济学等方面的分析。此外，它们可以应用于许多其他具有相似特征的复杂网络。原创性/价值 本文从考虑权重异质性和避免参数干扰两个方面对现有研究进行了改进。因此，它为网络骨干提取的研究提供了新的思路。实际意义 我们提出的网络剪枝方法将促进 ICIO 网络在社区检测、链路预测和空间计量经济学等方面的分析。此外，它们可以应用于许多其他具有相似特征的复杂网络。原创性/价值 本文从考虑权重异质性和避免参数干扰两个方面对现有研究进行了改进。因此，它为网络骨干提取的研究提供了新的思路。链接预测和空间计量经济学等。此外，它们可以应用于许多其他具有相似特征的复杂网络。原创性/价值 本文从考虑权重异质性和避免参数干扰两个方面对现有研究进行了改进。因此，它为网络骨干提取的研究提供了新的思路。链接预测和空间计量经济学等。此外，它们可以应用于许多其他具有相似特征的复杂网络。原创性/价值 本文从考虑权重异质性和避免参数干扰两个方面对现有研究进行了改进。因此，它为网络骨干提取的研究提供了新的思路。