匹配所有度分布的可扩展有向图零模型：入度、出度与互惠度

度分布可以说是现实世界网络最重要的属性。经典的边配置模型或 Chung-Lu 模型可以生成具有任意期望度分布的无向图。这作为一个良好的零模型，可用于比较算法或进行实验研究。此外，存在实现这些模型的可扩展算法，它们在图的研究中具有不可估量的价值。然而，现实世界中的网络通常是有向的，并且包含显著比例的互惠边。当两个节点相互指向时（互惠边），它们之间的关系比仅单向指向时（单向边）更强。尽管互惠边很重要，但大多数有向图模型都忽视了它们。我们提出了一种受 Chung-Lu 模型启发的有向图零模型，该模型匹配真实图的入度、出度和互惠度分布。我们的算法具有可扩展性，生成具有 $m$ 条边的图仅需 $O(m)$ 个随机数。我们在真实数据集上进行了一系列实验，并与现有的图模型进行了比较。