二分图作为复杂网络模型
统计力学
2021-03-22 v2
摘要
近期研究表明，用来表示真实世界复杂网络的经典随机图模型未能捕捉其主要特征。因此，已有多种尝试提供准确模型。我们在此研究一种模型，其满足以下挑战：产生具有聚类系数、度分布和平均距离三个主要期望属性的图；该模型基于一些真实世界观察；且足够简单，以便能够证明其主要特性。该模型由对具有给定度分布的随机二分图进行抽样实现。我们表明，任何复杂网络都可被视为具有特定特征的二分图，其主要特性可视为由这种底层结构所导致。我们还提出了一个基于此观察的生长模型。
引用
@article{arxiv.cond-mat/0307095,
title = {Bipartite Graphs as Models of Complex Networks},
author = {Jean-Loup Guillaume and Matthieu Latapy},
journal= {arXiv preprint arXiv:cond-mat/0307095},
year = {2021}
}