一种提升 Chung-Lu 随机图生成精度的简单方法
社会与信息网络
2021-03-02 v1
摘要
随机图模型在网络分析中起着核心作用。基于节点期望度进行连接的 Chung-Lu 模型尤其引人关注。它被广泛用于生成具有期望度序列的零图模型，并隐式定义如模块度等网络度量。尽管流行，生成基于 Chung-Lu 模型图实例的实用方法在准确实现许多度序列方面表现相对较差。我们引入一种提升 Chung-Lu 图生成精度的简单方法。我们的方法使用泊松近似来定义线性系统，描述使用标准生成技术从模型输出的期望度序列。随后我们利用该系统的逆来确定与期望输出相对应的合适输入。我们给出该逆的闭式表达，并展示其可用于大幅降低许多度分布下的误差。
引用
@article{arxiv.2103.00662,
title = {A simple method for improving the accuracy of Chung-Lu random graph generation},
author = {Christopher Brissette and George Slota},
journal= {arXiv preprint arXiv:2103.00662},
year = {2021}
}
备注
12 pages, 5 figures